PLANTS

PLANTS数据集由南卡罗来纳大学创建，专门用于计划摘要任务，涉及自动化计划、食谱和旅行计划等多个领域。该数据集包含130个多样化的计划，每个计划都有详细的步骤和目标。数据集的创建过程包括手动选择和提取不同领域的计划，确保了数据的多样性和实用性。PLANTS数据集主要应用于自然语言处理领域，旨在通过提供简洁的计划摘要来帮助用户快速理解和决策。

The PLANTS dataset was developed by the University of South Carolina, and is specifically tailored for planning summarization tasks across multiple domains including automated planning, recipe planning, and travel planning. This dataset comprises 130 diverse planning instances, each accompanied by detailed steps and clear objectives. The creation process of the dataset involves manual selection and extraction of plans from various domains, which guarantees its diversity and practicality. The PLANTS dataset is primarily utilized in the field of natural language processing, with the goal of assisting users to quickly understand plans and make decisions by providing concise plan summaries.

原始信息汇总

PLANTS: 规划任务总结基准数据集

搜集汇总

数据集介绍

构建方式

PLANTS数据集的构建采用了手动选择和自动生成相结合的方式。对于自动化计划，从downward-benchmarks中选取了五个经典规划领域，并使用SymK规划器生成了多个解决方案。对于食谱，从Recipe1M+数据集中选取了十个不同的菜肴，通过计算配料列表的Jaccard相似性来提取不同的食谱。对于旅行路线，手动选择了十个不同的起点和终点坐标，并使用OpenStreetMap API生成了多个路线。

特点

PLANTS数据集具有以下特点：涵盖了自动化计划、食谱和旅行路线三种不同的规划任务类型；每个任务类型都有多个问题实例和解决方案；数据集设计考虑了执行性和逻辑流程的信息；数据集包含了问题状态表示、控制流数据和数据流信息；数据集支持生成简洁且具有执行性的总结。

使用方法

使用PLANTS数据集时，可以将其作为输入数据，利用数据集中的问题实例和解决方案来训练和评估文本摘要模型。数据集提供了多种规划任务的示例，有助于模型学习生成具有执行性和逻辑性的总结。同时，数据集也适用于进行用户研究和评估摘要的质量。

背景与挑战

背景概述

PLANTS数据集是一个针对规划任务总结的新颖问题而设计的，由南卡罗来纳大学的研究人员Vishal Pallagani、Biplav Srivastava和Nitin Gupta共同创建。该数据集涵盖了自动化计划、食谱和旅行路线三个领域的规划任务，每个领域包含10个问题，总共130个不同的计划。PLANTS数据集的推出旨在复兴总结研究，并为相关领域提供一个新的研究基础。

当前挑战

该数据集构建过程中的挑战包括：不同计划可能采取不同的方法来实现相同的目标，这使得创建一个既能捕捉关键步骤又能保留计划多样性的总结变得困难；此外，总结必须遵守特定的约束条件，如文本特征或计划特征，以确保简洁和相关性；选择哪些行动包含在总结中也是一个挑战，目标是确保总结代表原始计划且行动数量高效。

常用场景

经典使用场景

PLANTS数据集最经典的使用场景在于自动规划和任务总结。该数据集包含自动化计划、食谱和旅行路线等多个领域的规划任务，为研究者在这些领域进行任务总结提供了丰富的实例。通过使用PLANTS数据集，研究者可以训练和评估他们的任务总结模型，生成简洁、连贯的行动序列摘要，帮助用户快速理解和决策。

实际应用

在实际应用中，PLANTS数据集可以用于改进机器人路径规划、对话系统中的动作建议以及旅行路线规划等场景。例如，在机器人路径规划中，可以利用PLANTS训练的模型生成高效的路径摘要，帮助机器人更快地做出决策。在旅行路线规划中，PLANTS可以提供简洁的路线概览，帮助用户选择最合适的旅行路线。

衍生相关工作

PLANTS数据集的提出激发了相关领域的研究，如规划任务摘要的更多方法和评价指标的研究。它也促进了规划任务摘要在不同领域的应用，如机器人学、对话系统和智能规划代理等。此外，PLANTS的发布还为构建更大规模和更多样化的规划任务数据集提供了启示。