論文の概要: Modelling Multi-Agent Epistemic Planning in ASP
- arxiv url: http://arxiv.org/abs/2008.03007v1
- Date: Fri, 7 Aug 2020 06:35:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 01:19:58.876373
- Title: Modelling Multi-Agent Epistemic Planning in ASP
- Title（参考訳）: ASPにおけるマルチエージェントてんかん計画のモデル化
- Authors: Alessandro Burigana, Francesco Fabiano, Agostino Dovier, Enrico
Pontelli
- Abstract要約: 本稿では,マルチショット・アンサー・セット・プログラミング・ベース・プランナの実装について述べる。
本稿は, アドホックなエピステミック状態表現とASPソルバの効率を生かしたプランナーが, 文献から収集したベンチマークに対して, 競合的な性能を示すことを示す。
- 参考スコア（独自算出の注目度）: 66.76082318001976
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Designing agents that reason and act upon the world has always been one of
the main objectives of the Artificial Intelligence community. While for
planning in "simple" domains the agents can solely rely on facts about the
world, in several contexts, e.g., economy, security, justice and politics, the
mere knowledge of the world could be insufficient to reach a desired goal. In
these scenarios, epistemic reasoning, i.e., reasoning about agents' beliefs
about themselves and about other agents' beliefs, is essential to design
winning strategies.
This paper addresses the problem of reasoning in multi-agent epistemic
settings exploiting declarative programming techniques. In particular, the
paper presents an actual implementation of a multi-shot Answer Set
Programming-based planner that can reason in multi-agent epistemic settings,
called PLATO (ePistemic muLti-agent Answer seT programming sOlver). The ASP
paradigm enables a concise and elegant design of the planner, w.r.t. other
imperative implementations, facilitating the development of formal verification
of correctness.
The paper shows how the planner, exploiting an ad-hoc epistemic state
representation and the efficiency of ASP solvers, has competitive performance
results on benchmarks collected from the literature. It is under consideration
for acceptance in TPLP.
- Abstract（参考訳）: 世界を推論し行動するエージェントを設計することは、人工知能コミュニティの主要な目的の1つでした。
単純な"ドメインでの計画では、エージェントは世界に関する事実のみに頼ることができるが、経済、安全保障、正義、政治といったいくつかの文脈では、世界の知識が望ましい目標に達するには不十分である。
これらのシナリオでは、エージェントの信念と他のエージェントの信念を推論する疫学的推論が、勝利戦略の設計に不可欠である。
本稿では,宣言型プログラミング技術を利用したマルチエージェント・エピステミック・セッティングにおける推論の問題に対処する。
特に,マルチショットAnswer Setベースのプランナの実装について,PLATO (ePistemic muLti-agent Answer seT programming sOlver) と呼ばれるマルチエージェントのエピステミック設定で推論できる。
aspパラダイムは、プランナー、w.r.t.その他の命令的実装の簡潔でエレガントな設計を可能にし、正確性の形式的検証の開発を容易にする。
本稿は, アドホックなエピステミック状態表現とASPソルバの効率を生かしたプランナーが, 文献から収集したベンチマークに対して, 競合的な性能を示すことを示す。
TPLPの受け入れは検討中である。
関連論文リスト
- LLM-Generated Heuristics for AI Planning: Do We Even Need Domain-Independence Anymore? [87.71321254733384]
大規模言語モデル(LLM)は、特定の計画問題に適した計画手法を生成することができる。
LLMは、いくつかの標準IPCドメインで最先端のパフォーマンスを達成することができる。
これらの結果がパラダイムシフトを意味するのか、既存の計画手法をどのように補完するかについて議論する。
論文 参考訳（メタデータ） (2025-01-30T22:21:12Z) - SOP-Agent: Empower General Purpose AI Agent with Domain-Specific SOPs [9.117180930298813]
汎用AIエージェントは、ドメイン固有の知識と人間の専門知識を効率的に活用するのに苦労する。
ドメイン固有のエージェントを構築するための新しいフレームワークであるSOP-agent(Standard Operational Procedure-Guided Agent)を紹介する。
SOPエージェントは優れた汎用性を示し、汎用エージェントフレームワークよりも優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-01-16T06:14:58Z) - AgentOccam: A Simple Yet Strong Baseline for LLM-Based Web Agents [52.13695464678006]
本研究は, 観察空間と行動空間を簡略化することで, LLMベースのWebエージェントを強化する。
AgentOccam は以前の最先端および同時処理を 9.8 (+29.4%) と 5.9 (+15.8%) で上回っている。
論文 参考訳（メタデータ） (2024-10-17T17:50:38Z) - Gödel Agent: A Self-Referential Agent Framework for Recursive Self-Improvement [117.94654815220404]
G"odel AgentはG"odelマシンにインスパイアされた自己進化型フレームワークである。
G"odel Agentは、パフォーマンス、効率、一般化性において手作業によるエージェントを上回る、継続的な自己改善を実現することができる。
論文 参考訳（メタデータ） (2024-10-06T10:49:40Z) - Ask-before-Plan: Proactive Language Agents for Real-World Planning [68.08024918064503]
プロアクティブエージェントプランニングでは、ユーザエージェントの会話とエージェント環境のインタラクションに基づいて、言語エージェントが明確化のニーズを予測する必要がある。
本稿では,明確化,実行,計画の3つのエージェントからなる新しいマルチエージェントフレームワーク,Clarification-Execution-Planning(textttCEP)を提案する。
論文 参考訳（メタデータ） (2024-06-18T14:07:28Z) - The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる
まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。
単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
論文 参考訳（メタデータ） (2023-09-14T17:12:03Z) - Efficient Multi-agent Epistemic Planning: Teaching Planners About Nested
Belief [27.524600740450126]
我々は, 一つのエージェントの観点から, ネストされた信念, 非同質なエージェント, 共同表現観察, あるいはあるエージェントが別のエージェントであるかのように推論する能力を含む, 目標と行動の可能性を秘めている。
提案手法は,複数エージェントのネストされた信念を含む計画課題に,十分に確立された自動計画分野を適用するための重要なステップである。
論文 参考訳（メタデータ） (2021-10-06T03:24:01Z) - Comprehensive Multi-Agent Epistemic Planning [0.0]
この写本は、MEP(Multi-Adnt Epistemic Planning)として知られる特殊な計画に重点を置いている。
EPは、エージェントが知識/信任状態の空間で理由付けを行い、開始状態から望ましい状態に到達する計画を見つけようとする自動計画環境を指す。
その一般的な形であるMEP問題(英語版)は、世界の状態とエージェント間の情報の流れの両方を推論する必要がある複数のエージェントを含んでいる。
論文 参考訳（メタデータ） (2021-09-17T01:50:18Z)
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。