論文の概要: A principled analysis of Behavior Trees and their generalisations

• arxiv url: http://arxiv.org/abs/2008.11906v2
• Date: Tue, 25 May 2021 05:42:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 08:21:35.430211
• Title: A principled analysis of Behavior Trees and their generalisations
• Title（参考訳）: 行動ツリーの原理的解析とその一般化
• Authors: Oliver Biggar (1), Mohammad Zamani (1), Iman Shames (2) ((1) Defence Science and Technology Group, Australia, (2) The Australian National University, Australia)
• Abstract要約: 私たちは、ますます人気が高まっている木構造制御アーキテクチャである振舞い木(BT)の背景にある原則を分析します。 これらの原則を通した推論が、互換性のあるソリューションに繋がることを示す。 我々は、一般化BTまたは$k$-BTと呼ばれる新しい制御アーキテクチャを導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As complex autonomous robotic systems become more widespread, the need for transparent and reusable Artificial Intelligence (AI) designs becomes more apparent. In this paper we analyse how the principles behind Behavior Trees (BTs), an increasingly popular tree-structured control architecture, are applicable to these goals. Using structured programming as a guide, we analyse the BT principles of reactiveness and modularity in a formal framework of action selection. Proceeding from these principles, we review a number of challenging use cases of BTs in the literature, and show that reasoning via these principles leads to compatible solutions. Extending these arguments, we introduce a new class of control architectures we call generalised BTs or $k$-BTs and show how they can extend the applicability of BTs to some of the aforementioned challenging BT use cases while preserving the BT principles.
• Abstract（参考訳）: 複雑な自律ロボットシステムが普及するにつれて、透明で再利用可能な人工知能(AI)設計の必要性がより明確になる。 本稿では,木構造制御アーキテクチャであるビヘイビアツリー(bts)の背後にある原則が,これらの目標にどのように適用されているかを分析する。 構造化プログラミングをガイドとして使用し,行動選択の形式的枠組みにおいて,リアクティブ性とモジュール性というbt原則を分析した。 これらの原則から、文献におけるBTの難解なユースケースを概観し、これらの原則による推論が互換性のあるソリューションにつながることを示す。 これらの議論を拡張して、一般化BTまたは$k$-BTと呼ばれる新しい制御アーキテクチャを導入し、BTの原則を保ちながら、前述の課題のあるBTのユースケースにBTの適用性を拡張する方法について示す。

関連論文リスト

• Integrating Intent Understanding and Optimal Behavior Planning for Behavior Tree Generation from Human Instructions [5.31484618181979]
  動作木(BT)は、人間の指示に従ってタスクを実行するロボットのための適切な制御アーキテクチャである。 本稿では,BT生成のための2段階のフレームワークを提案する。 我々は、一階述語論理における目的と十分に整形された公式を表現し、意図の理解と最適な行動計画を効果的にブリッジする。
  論文  参考訳（メタデータ） (2024-05-13T05:23:48Z)
• Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
  人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である 本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-22T17:57:57Z)
• Levels of AGI for Operationalizing Progress on the Path to AGI [64.59151650272477]
  本稿では,人工知能(AGI)モデルとその前駆体の性能と動作を分類する枠組みを提案する。 このフレームワークは、AGIのパフォーマンス、一般性、自律性のレベルを導入し、モデルを比較し、リスクを評価し、AGIへの道筋に沿って進捗を測定する共通の言語を提供する。
  論文  参考訳（メタデータ） (2023-11-04T17:44:58Z)
• An Extended Convergence Result for Behaviour Tree Controllers [0.0]
  振舞い木(BT)は階層的なハイブリッド制御ポリシーを組み立てるための最適なモジュラー・フレームワークである。 我々は、状態空間の所望部分に到達するという意味で、BTsの収束について研究する。
  論文  参考訳（メタデータ） (2023-08-17T14:05:45Z)
• Operationalising Responsible AI Using a Pattern-Oriented Approach: A Case Study on Chatbots in Financial Services [11.33499498841489]
  責任AI(Responsible AI)は、人間、社会、環境に利益をもたらす方法でAIシステムを開発し、利用するプラクティスである。 さまざまな責任あるAI原則が最近リリースされたが、これらの原則は非常に抽象的で実用的ではない。 ギャップを埋めるために、パターン指向のアプローチを採用し、責任あるAIパターンカタログを構築します。
  論文  参考訳（メタデータ） (2023-01-03T23:11:03Z)
• Verifying Safety of Behaviour Trees in Event-B [0.0]
  行動木(BT)はロボティクスコミュニティでますます人気が高まっている。 本稿では,すでに使用されている木の不変性を証明するために,行動木の公式な仕様と方法論を提案する。
  論文  参考訳（メタデータ） (2022-09-28T12:26:50Z)
• An expressiveness hierarchy of Behavior Trees and related architectures [0.0]
  行動ツリー(BT)の表現力と他の行動選択アーキテクチャを比較するための正式なフレームワークを提供します。 これにより、BT、Decision Trees(DT)、Teleo-Reactive Programs(TR)、FSMs(Finite State Machines)など、制御アーキテクチャの階層化が実現します。
  論文  参考訳（メタデータ） (2021-04-16T06:46:52Z)
• BoxE: A Box Embedding Model for Knowledge Base Completion [53.57588201197374]
  知識ベース補完(KBC)は、知識ベース(KB)に存在する情報を活用することにより、行方不明な事実を自動的に推測することを目的とする。 既存の埋め込みモデルは、以下の制限の少なくとも1つに該当する。 BoxEは、エンティティをポイントとして、関係をハイパー矩形(またはボックス)の集合として埋め込む
  論文  参考訳（メタデータ） (2020-07-13T09:40:49Z)
• Faithful Embeddings for Knowledge Base Queries [97.5904298152163]
  理想的知識ベース(KB)の帰納的閉包は、KBが答えられる論理的クエリを正確に含んでいる。 実際にはKBは不完全かつ過剰な仕様であり、現実の答えを持つクエリには答えられない。 この新たなQEモジュールをニューラルな質問応答システムに挿入すると、最先端技術よりも大幅に改善されることを示す。
  論文  参考訳（メタデータ） (2020-04-07T19:25:16Z)
• Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
  本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。 具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
  論文  参考訳（メタデータ） (2020-03-09T15:04:07Z)
• Parameterizing Branch-and-Bound Search Trees to Learn Branching Policies [76.83991682238666]
  Branch and Bound (B&B) は、Mixed-Integer Linear Programming Problem (MILP) の解法として一般的に用いられる木探索法である。 本稿では,新しい模倣学習フレームワークを提案し,分岐を表現するための新しい入力機能とアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-02-12T17:43:23Z)

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。