論文の概要: FOND Planning for LTLf and PLTLf Goals
- arxiv url: http://arxiv.org/abs/2004.07027v1
- Date: Wed, 15 Apr 2020 12:04:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 03:41:34.720189
- Title: FOND Planning for LTLf and PLTLf Goals
- Title(参考訳): LTLfおよびPLTLf目標のFOND計画
- Authors: Francesco Fuggitti
- Abstract要約: 拡張時間目標に対する非決定論的計画問題に対する新しいアプローチを定義する。
特に、完全に観測可能な非決定論的(FOND)計画問題に対して、この問題に対する解決策を提供する。
提案手法の適用により得られた結果の一部を提示する。
- 参考スコア(独自算出の注目度): 1.370633147306388
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this report, we will define a new approach to the problem of non
deterministic planning for extended temporal goals. In particular, we will give
a solution to this problem reducing it to a fully observable non deterministic
(FOND) planning problem and taking advantage of the LTLfToDFA tool. First of
all, we will introduce the main idea and motivations supporting our approach.
Then, we will give some preliminaries explaining the Planning Domain Definition
Language (PDDL) language and the FOND planning problem formally. After that, we
will illustrate our FOND4LTLfPLTLf (also available online) approach with the
encoding of temporal goals into a PDDL domain and problem. Finally, we will
present some of the results obtained through the application of the proposed
solution.
- Abstract(参考訳): 本報告では,長期的目標に対する非決定論的計画問題に対する新しいアプローチを定義する。
特に、この問題の解決策を、完全に観測可能な非決定論的(FOND)計画問題に還元し、LTLfToDFAツールを活用する。
まず最初に、私たちのアプローチをサポートする主なアイデアとモチベーションを紹介します。
次に、計画ドメイン定義言語(PDDL)言語とFOND計画問題について、いくつかの予備的な説明を行う。
その後、FOND4LTLfPLTLf(オンライン)アプローチについて、PDDLドメインと問題への時間的目標の符号化について説明します。
最後に,提案手法の適用により得られた結果をいくつか提示する。
関連論文リスト
- PROC2PDDL: Open-Domain Planning Representations from Texts [58.756699142025006]
Proc2PDDLは、専門家によるPDDL表現と組み合わせたオープンドメインの手続きテキストを含む最初のデータセットである。
以上の結果から, GPT-3.5は0%, GPT-4は35%, Proc2PDDLは極めて困難であることが示唆された。
論文 参考訳(メタデータ) (2024-02-29T19:40:25Z) - 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) - HDDL 2.1: Towards Defining a Formalism and a Semantics for Temporal HTN
Planning [64.07762708909846]
現実世界のアプリケーションは、リッチで多様な自動計画問題をモデル化する必要があります。
階層的タスクネットワーク(HTN)形式は、数値的および時間的制約を伴う計画問題の表現を許さない。
本稿では,HDDLとこれらの運用ニーズのギャップを埋めるとともに,PDDL 2.1からインスピレーションを得てHDDLを拡張することを提案する。
論文 参考訳(メタデータ) (2023-06-12T18:21:23Z) - AdaPlanner: Adaptive Planning from Feedback with Language Models [56.367020818139665]
大規模言語モデル(LLM)は、最近、シーケンシャルな意思決定タスクの自律的エージェントとして機能する可能性を実証している。
本研究では,LLMエージェントが環境フィードバックに応じて自己生成計画を適応的に改善することのできるクローズドループアプローチであるAdaPlannerを提案する。
幻覚を緩和するために,様々なタスク,環境,エージェント機能にまたがる計画生成を容易にするコードスタイルのLCMプロンプト構造を開発した。
論文 参考訳(メタデータ) (2023-05-26T05:52:27Z) - Imitating Graph-Based Planning with Goal-Conditioned Policies [72.61631088613048]
本稿では,目標目標条件ポリシにサブゴール条件ポリシを蒸留する自己シミュレーション方式を提案する。
提案手法は,既存の目標条件付きRL手法のサンプル効率を大幅に向上させることができることを実証的に示す。
論文 参考訳(メタデータ) (2023-03-20T14:51:10Z) - Policy-Guided Lazy Search with Feedback for Task and Motion Planning [19.789123503976917]
PDDLStreamソルバは、タスクとモーションプランニングの問題に対して実行可能なソリューションとして最近登場した。
本稿では,PDDLStream問題に対する解法であるLAZYを提案する。
その結果, 未確認テスト環境において, 実現可能解の探索において, 大幅な高速化がもたらされることが判明した。
論文 参考訳(メタデータ) (2022-10-25T14:33:08Z) - HDDL 2.1: Towards Defining an HTN Formalism with Time [0.0]
産業やロボティクスなどの計画の現実的な応用には、リッチで多様なシナリオをモデル化する必要がある。
それらの解像度は通常、協調された同時アクション実行を必要とする。
いくつかのケースでは、そのような計画問題は階層的な方法で自然に分解され、階層的なタスクネットワーク形式によって表現される。
本稿では,HDDLの拡張に必要なセマンティクスと構文について論じるとともに,地球観測衛星計画問題のモデル化について述べる。
論文 参考訳(メタデータ) (2022-06-03T21:22:19Z) - Planning for Temporally Extended Goals in Pure-Past Linear Temporal
Logic: A Polynomial Reduction to Standard Planning [24.40306100502023]
PPLTL(Pure-Past)で表される時間的拡張目標について検討する。
PPLTL目標の計画を標準計画に変換する手法を考案した。
我々の翻訳では、FDやMyNDといった最先端のツールがPLTLの目標をシームレスに扱えるようにしています。
論文 参考訳(メタデータ) (2022-04-21T08:34:49Z) - Flexible FOND Planning with Explicit Fairness Assumptions [16.654542986854896]
完全可観測型非決定論的計画(fond)において命題的目標条件に達する問題を考える。
強周期FOND計画とQNP計画はいずれもFOND計画の特別な事例であり、この形態の公平性を仮定して組み合わせることができる。
論文 参考訳(メタデータ) (2021-03-15T13:57:07Z) - 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。