Fugu-MT 論文翻訳(概要): FOND Planning for LTLf and PLTLf Goals

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

From Words to Actions: Unveiling the Theoretical Underpinnings of LLM-Driven Autonomous Systems [59.40480894948944]
大規模言語モデル (LLM) は、物理世界の意思決定問題を解くことができる。このモデルの下で、LLM Plannerは、プロンプトを介して言語ベースのサブゴールを反復的に生成することにより、部分的に観測可能なマルコフ決定プロセス(POMDP)をナビゲートする。我々は,事前学習したLLMプランナーが,文脈内学習を通じてベイズ的集計模倣学習(BAIL)を効果的に行うことを証明した。
論文参考訳（メタデータ） (2024-05-30T09:42:54Z)
PDDLEGO: Iterative Planning in Textual Environments [56.12148805913657]
テキスト環境における計画は、現在のモデルにおいても長年にわたる課題であることが示されている。我々は,あるサブゴールの部分的な計画に導く計画表現を反復的に構築するPDDLEGOを提案する。数ショットのPDDLEGOで作成するプランは,Coin Collectorシミュレーションでエンドツーエンドのプランを生成するよりも43%効率がよいことを示す。
論文参考訳（メタデータ） (2024-05-30T08:01:20Z)
NL2Plan: Robust LLM-Driven Planning from Minimal Text Descriptions [8.004470925893957]
ドメインに依存しない初めてのオフラインLCM駆動計画システムであるNL2Planを提案する。我々はNL2Planを4つの計画領域で評価し、15のタスクのうち10を解くことを発見した。エンド・ツー・エンドモードでのNL2Planの使用に加えて、ユーザは中間結果の検査と修正が可能である。
論文参考訳（メタデータ） (2024-05-07T11:27:13Z)
PROC2PDDL: Open-Domain Planning Representations from Texts [56.627183903841164]
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)
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。