Hierarchical Neuro-Symbolic Decision Transformer

1. 提出了一种新的架构，将符号规划与基于Transformer的策略统一，从而实现高级逻辑任务分解与低级控制。

2. 对所提出的层次化执行框架进行了分析，推导出复合误差界限和误差传播界限。

3. 通过数值评估，表明所提出的方法在具有长期依赖关系的任务中优于纯端到端神经网络基线，实现了更高的成功率、改进的样本效率和轨迹长度。

1. 符号规划：使用符号规划器构建基于逻辑命题的可解释操作序列。

2. 决策Transformer：将符号操作转换为子目标令牌，以条件化决策Transformer生成细粒度动作序列。

3. 层次化框架：结合符号规划和基于Transformer的策略，实现高级逻辑任务分解与低级控制。

4. 理论分析：分析符号规划器和神经执行层的近似误差如何累积。

5. 实验评估：在网格世界中使用多个钥匙、锁定的门和物品收集任务进行实证评估。