論文の概要: Generating Instructions at Different Levels of Abstraction
- arxiv url: http://arxiv.org/abs/2010.03982v1
- Date: Thu, 8 Oct 2020 13:56:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-09 12:17:06.514195
- Title: Generating Instructions at Different Levels of Abstraction
- Title（参考訳）: 異なる抽象レベルで命令を生成する
- Authors: Arne K\"ohn and Julia Wichlacz and \'Alvaro Torralba and Daniel
H\"oller and J\"org Hoffmann and Alexander Koller
- Abstract要約: Minecraftで異なるレベルの抽象化で構築手順を生成する方法を示す。
クラウドソーシングの評価は、抽象化レベルの選択がユーザにとって重要であることを示している。
- 参考スコア（独自算出の注目度）: 61.70390291746106
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: When generating technical instructions, it is often convenient to describe
complex objects in the world at different levels of abstraction. A novice user
might need an object explained piece by piece, while for an expert, talking
about the complex object (e.g. a wall or railing) directly may be more succinct
and efficient. We show how to generate building instructions at different
levels of abstraction in Minecraft. We introduce the use of hierarchical
planning to this end, a method from AI planning which can capture the structure
of complex objects neatly. A crowdsourcing evaluation shows that the choice of
abstraction level matters to users, and that an abstraction strategy which
balances low-level and high-level object descriptions compares favorably to
ones which don't.
- Abstract（参考訳）: 技術的な命令を生成する場合、異なる抽象レベルで世界の複雑なオブジェクトを記述するのが便利です。
初心者は、断片的に説明されたオブジェクトを必要とするかもしれないが、専門家にとって、複雑なオブジェクト(例えば壁や手すり)を直接話すことは、より簡潔で効率的であるかもしれない。
Minecraftで異なるレベルの抽象化で構築手順を生成する方法を示す。
本稿では,複雑な物体の構造を正確に把握するAI計画法である階層的計画法について紹介する。
クラウドソーシングの評価では、抽象化レベルの選択はユーザにとって重要であり、低レベルと高レベルのオブジェクト記述のバランスをとる抽象化戦略は、そうでないものと好ましく比較される。
関連論文リスト
- Embodied Instruction Following in Unknown Environments [66.60163202450954]
未知環境における複雑なタスクに対するEIF(Embodied instruction following)法を提案する。
我々は,ハイレベルなタスクプランナと低レベルな探索コントローラを含む,階層的な具体化命令に従うフレームワークを構築した。
タスクプランナに対しては、タスク完了プロセスと既知の視覚的手がかりに基づいて、人間の目標達成のための実行可能なステップバイステッププランを生成する。
論文 参考訳（メタデータ） (2024-06-17T17:55:40Z) - How to Handle Sketch-Abstraction in Sketch-Based Image Retrieval? [120.49126407479717]
スケッチの抽象化を様々なレベルで処理できるスケッチベース画像検索フレームワークを提案する。
粒度レベルの抽象理解のために、検索モデルはすべての抽象レベルを等しく扱ってはならないと規定する。
私たちのAcc.@qの損失は、評価がいかに厳格であるかという点で、スケッチが焦点を絞りたり壊したりできます。
論文 参考訳（メタデータ） (2024-03-11T23:08:29Z) - Structural Concept Learning via Graph Attention for Multi-Level
Rearrangement Planning [2.7195102129095003]
本稿では,階層構造を持つシーンに対して,複数レベルのオブジェクトアレンジメント計画を実行するためのディープラーニング手法を提案する。
直感的な構造を持つ自己生成シミュレーションデータセットでトレーニングされ、任意の数のオブジェクトで見えないシーンで動作する。
提案手法を古典的およびモデルベースラインの範囲と比較し,そのシーン理解を活用して性能,柔軟性,効率性を向上することを示す。
論文 参考訳（メタデータ） (2023-09-05T19:35:44Z) - Neural Constraint Satisfaction: Hierarchical Abstraction for
Combinatorial Generalization in Object Rearrangement [75.9289887536165]
基礎となるエンティティを明らかにするための階層的抽象化手法を提案する。
本研究では,エージェントのモデルにおける実体の状態の介入と,環境中の物体に作用する状態の対応関係を学習する方法を示す。
この対応を利用して、オブジェクトの異なる数や構成に一般化する制御法を開発する。
論文 参考訳（メタデータ） (2023-03-20T18:19:36Z) - Structured Exploration Through Instruction Enhancement for Object
Navigation [0.0]
本稿では,オブジェクトナビゲーションのための階層型学習手法を提案する。
トップレベルはハイレベルなプランニングが可能で、フロアプランレベルでメモリを構築することができる。
本研究では,本手法が動的家庭環境に与える影響を実証する。
論文 参考訳（メタデータ） (2022-11-15T19:39:22Z) - Identifying concept libraries from language about object structure [56.83719358616503]
自然言語記述を2Kプロシージャ生成オブジェクトの多種多様なセットに利用して,ユーザが使用する部分を特定する。
我々は、異なる部分概念を含むプログラムライブラリの空間の探索として、この問題を形式化する。
自然言語と構造化されたプログラム表現を組み合わせることで、人々が名前をつける部分概念を規定する基本的な情報理論的なトレードオフを発見する。
論文 参考訳（メタデータ） (2022-05-11T17:49:25Z) - Inventing Relational State and Action Abstractions for Effective and
Efficient Bilevel Planning [26.715198108255162]
我々は状態と行動の抽象化を学習するための新しいフレームワークを開発する。
我々は、対象のアイデンティティや数値を一般化するリレーショナル、ニューロシンボリックな抽象化を学ぶ。
学習した抽象化によって、より長い地平線のホールドアウトタスクを迅速に解決できることが示されています。
論文 参考訳（メタデータ） (2022-03-17T22:13:09Z) - A Persistent Spatial Semantic Representation for High-level Natural
Language Instruction Execution [54.385344986265714]
本稿では,言語行動とロボット行動のギャップを埋めるために,永続的な空間意味表現法を提案する。
一般的なステップバイステップ命令を完全に回避しながら、ALFREDベンチマークに対する我々のアプローチを評価し、最先端の結果を得る。
論文 参考訳（メタデータ） (2021-07-12T17:47:19Z) - Draw Me a Flower: Grounding Formal Abstract Structures Stated in
Informal Natural Language [6.900102922776184]
我々は,2次元ヘキサゴスボード上で,プレイヤーがますます複雑な画像を記述するヘキサゴス参照ゲームを開発した。
このゲームを使って164の画像と3000以上の自然発生命令からなるヘキサゴナルスデータセットを収集した。
ヘキサゴナルスデータセットから導かれる命令-実行タスクに基づくベースラインモデルの結果、NLの高レベルな抽象化が現在のシステムでは処理が困難であることを確認した。
論文 参考訳（メタデータ） (2021-06-27T21:11:16Z)
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。