Målutrymmet

Målutrymmet är inom AI, robotik och relaterade områden termen för uppsättningen av mål som en agent kan eller ska uppnå i ett givet uppdrag. Det kan utgöras av en submängd av tillståndsutrymmet eller av en särskild representation av målbeskrivningar. I vissa sammanhang sammanfaller målutrymmet med tillståndsutrymmet, i andra är det ett olika rum av signifikanta mål såsom specifika poser, positioner eller egenskaper hos objekt.

Relationen till tillståndsutrymmet och representationer beror på problemets modellering. Tillståndsutrymmet beskriver alla möjliga tillstånd systemet kan befinna sig i, medan målutrymmet definierar vilka tillstånd eller egenskaper som räknas som framgång. Mål kan representeras som ett specifikt tillstånd i samma utrymme, eller som ett konfigurationsmål som kräver en särskild parameterisering, exempelvis en matematisk pose i SE(3) eller en uppsättning av målkoordinater i ett rumsligt rum.

Användning och betydelse kännetecknas av målstyrd planering och inlärning. Inom planering söker man vägen från ett initialt tillstånd till vilket målutrymmet tillåter, ofta med målregioner som accepteras som giltiga slutpunkter. Inom målstyrda policyer och reinforcement learning används målutrymmet som indata eller som parameter för att generera anpassade strategier. Att definiera lämpliga avstånds- eller likhetsmått mellan nuvarande tillstånd och målutrymmet är avgörande för bedömning av framsteg.

Exempel inkluderar en robotarm som ska nå en viss end-effector-pose, en mobil robot som ska ta sig till en utvald plats eller ett manipuleringsuppdrag där målet är en specificerad gripställning. Utmaningar inkluderar hög dimension, icke-euklidisk geometri och sparsamma belöningssignaler som gör inlärningen svårare.