面向参数化动作马尔可夫决策过程的知识与梯度引导强化学习

论文提出神经符号强化学习算法 KGRL，面向每次决策同时包含符号动作与数值参数的 PAMDP。算法利用 Datalog 知识库筛除不适用动作、约束可行参数，并通过梯度迭代细化参数估计，从而提升探索与训练样本效率，同时记录触发规则，为决策提供局部过程解释。