論文の概要: Multi-tier Automated Planning for Adaptive Behavior (Extended Version)
- arxiv url: http://arxiv.org/abs/2002.12445v1
- Date: Thu, 27 Feb 2020 21:16:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-28 08:39:46.276425
- Title: Multi-tier Automated Planning for Adaptive Behavior (Extended Version)
- Title(参考訳): 適応行動のための多層自動計画(拡張版)
- Authors: Daniel Ciolek, Nicol\'as D'Ippolito, Alberto Pozanco, Sebastian
Sardina
- Abstract要約: 本稿では,異なる仮定セットの仕様を計画するための多層フレームワークを提案する。
非決定論的計画形式への簡潔なコンパイルによる問題インスタンスの解法を示す。
- 参考スコア(独自算出の注目度): 0.4129225533930965
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A planning domain, as any model, is never complete and inevitably makes
assumptions on the environment's dynamic. By allowing the specification of just
one domain model, the knowledge engineer is only able to make one set of
assumptions, and to specify a single objective-goal. Borrowing from work in
Software Engineering, we propose a multi-tier framework for planning that
allows the specification of different sets of assumptions, and of different
corresponding objectives. The framework aims to support the synthesis of
adaptive behavior so as to mitigate the intrinsic risk in any planning modeling
task. After defining the multi-tier planning task and its solution concept, we
show how to solve problem instances by a succinct compilation to a form of
non-deterministic planning. In doing so, our technique justifies the
applicability of planning with both fair and unfair actions, and the need for
more efforts in developing planning systems supporting dual fairness
assumptions.
- Abstract(参考訳): 計画ドメインは、どんなモデルでも、決して完成せず、必然的に環境のダイナミックさを仮定します。
1つのドメインモデルの仕様を許可することにより、知識エンジニアは1つの仮定セットのみを作成でき、1つの客観的目標を指定できる。
ソフトウェア工学の仕事から借用し、異なる仮定セットと異なる対応する目的の仕様を可能にする計画のための多層フレームワークを提案する。
このフレームワークは、任意の計画モデリングタスクにおける本質的なリスクを軽減するために、適応行動の合成を支援することを目的としている。
マルチ層計画タスクとそのソリューション概念を定義した後、簡潔なコンパイルによって問題インスタンスを非決定論的計画形式にする方法を示す。
そこで本手法は,公正かつ不公平な行動と,二重公正性の仮定をサポートする計画システム開発により多くの努力を要した計画の適用性を正当化する。
関連論文リスト
- Unified Task and Motion Planning using Object-centric Abstractions of
Motion Constraints [56.283944756315066]
本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。
我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
論文 参考訳(メタデータ) (2023-12-29T14:00:20Z) - Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。
セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
論文 参考訳(メタデータ) (2023-12-14T10:37:34Z) - Learning adaptive planning representations with natural language
guidance [90.24449752926866]
本稿では,タスク固有の計画表現を自動構築するフレームワークであるAdaについて述べる。
Adaは、プランナー互換の高レベルアクション抽象化と、特定の計画タスク領域に適応した低レベルコントローラのライブラリを対話的に学習する。
論文 参考訳(メタデータ) (2023-12-13T23:35:31Z) - Planning as In-Painting: A Diffusion-Based Embodied Task Planning
Framework for Environments under Uncertainty [56.30846158280031]
具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。
In-paintingとしての計画」というタスク非依存の手法を提案する。
提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
論文 参考訳(メタデータ) (2023-12-02T10:07:17Z) - Planning-oriented Autonomous Driving [60.93767791255728]
我々は、最終目標、すなわち自動運転車の計画を追求するために、好ましいフレームワークを考案し、最適化すべきであると主張している。
フルスタック運転タスクをひとつのネットワークに組み込んだ総合的なフレームワークであるUnified Autonomous Driving (UniAD)を紹介した。
論文 参考訳(メタデータ) (2022-12-20T10:47:53Z) - Temporal Planning with Incomplete Knowledge and Perceptual Information [0.0]
本稿では,時間的計画枠組み内での緊急計画構築を組み合わせた新しい計画手法を提案する。
本研究では,不完全かつ(ii)知識認識行動をモデル化するために,計画ドメイン定義言語(PDDL)の小さな拡張を提案する。
また,様々な問題に対して優れた性能を示す新しい計画領域も導入した。
論文 参考訳(メタデータ) (2022-07-20T07:26:08Z) - Position Paper: Online Modeling for Offline Planning [2.8326418377665346]
AI計画研究の重要な部分はアクションモデルの表現である。
この分野の成熟にもかかわらず、AI計画技術は研究コミュニティの外ではめったに使われない。
これは、モデリングプロセスが計画プロセスの前に行われ、完了したと仮定されているためである、と我々は主張する。
論文 参考訳(メタデータ) (2022-06-07T14:48:08Z) - Multiple Plans are Better than One: Diverse Stochastic Planning [26.887796946596243]
計画上の問題では、望ましい仕様を完全にモデル化することはしばしば困難です。
特に、人間とロボットの相互作用において、そのような困難は、プライベートまたはモデルに複雑である人間の好みによって生じる可能性がある。
我々は、最適に近い代表行動の集合を生成することを目的とした、多種多様な計画と呼ばれる問題を定式化する。
論文 参考訳(メタデータ) (2020-12-31T07:29:11Z) - Robust Hierarchical Planning with Policy Delegation [6.1678491628787455]
本稿では,デリゲートの原理に基づく階層計画のための新しいフレームワークとアルゴリズムを提案する。
このプランニング手法は、様々な領域における古典的なプランニングと強化学習技術に対して、実験的に非常に競争力があることを示す。
論文 参考訳(メタデータ) (2020-10-25T04:36:20Z) - Divide-and-Conquer Monte Carlo Tree Search For Goal-Directed Planning [78.65083326918351]
暗黙的な逐次計画の仮定に代わるものを検討する。
本稿では,最適計画の近似を行うため,Divide-and-Conquer Monte Carlo Tree Search (DC-MCTS)を提案する。
計画順序に対するこのアルゴリズム的柔軟性は,グリッドワールドにおけるナビゲーションタスクの改善に繋がることを示す。
論文 参考訳(メタデータ) (2020-04-23T18:08:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。