任务的编码与表达形式，如何定义状态

使用现有的表达方式？
在不直接模仿的情况下，执行任务，通过特定的表达方式将任务进行编码
应该选择符号的方式（symbolic）还是端到端？
- auto encoder-decoder将state表征为相对独立的latent state start -> network(represented by latent state) -> goal
- symbolic representation可以序列化，几个symbol通过组合成为一个序列，完成从start到goal的任务
在习得了表征与skill的情况下，如何对skill进行融合？
- Greedy，最简单的方法，可能会造成overfit？
- 思路类似于scale-space filter
- 如何平衡long skill和short skill？类似的，如何将Long horizon变为short horizon利于RL等方法？

符号表征

PDDL (Planning Domain Definition Language)，PPDDL
Natural Language Planning
拓扑Topological
- Knot Theory
  - P-data representation
- Spatial Topology，用于表示地理信息（GIS），参考论文A Reference System for Topological Relations between Compound Spatial Objects
Ontologies
- 知识领域的？
- Node2Vec结合随机游走random walk
- 与PDDL相结合？Ontology Representation for PDDL Domain and Problem?（论文：ORPP—An Ontology for Skill-Based Robotic Process Planning in Agile Manufacturing）
Aspect Graph
- 从视觉的方面
Labanotation 非接触任务抽取运动关键帧
Closure Theory 用于Grasp skill
KKT条件（Kuhn-Tucker Theory / Karush-Kuhn-Tucker Conditions）非线性最优化方法用于Manipulation skill
- face contact relation，例如”pick” breaks the face contact