論文の概要: Using Explainable Scheduling for the Mars 2020 Rover Mission
- arxiv url: http://arxiv.org/abs/2011.08733v1
- Date: Tue, 17 Nov 2020 16:10:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 16:38:32.377411
- Title: Using Explainable Scheduling for the Mars 2020 Rover Mission
- Title（参考訳）: mars 2020ローバーミッションのための説明可能なスケジューリング
- Authors: Jagriti Agrawal and Amruta Yelamanchili and Steve Chien
- Abstract要約: 我々は、NASAのMars 2020 Perseverance Roverのスケジューリングシステムと、説明可能なスケジューリングツールであるCrosscheckについて説明する。
スケジュールシステムとクロスチェック(Crosscheck)は、2020年の火星探査機の活動をスケジュールするための運用上の基礎となる。
- 参考スコア（独自算出の注目度）: 3.663112731044948
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding the reasoning behind the behavior of an automated scheduling
system is essential to ensure that it will be trusted and consequently used to
its full capabilities in critical applications. In cases where a scheduler
schedules activities in an invalid location, it is usually easy for the user to
infer the missing constraint by inspecting the schedule with the invalid
activity to determine the missing constraint. If a scheduler fails to schedule
activities because constraints could not be satisfied, determining the cause
can be more challenging. In such cases it is important to understand which
constraints caused the activities to fail to be scheduled and how to alter
constraints to achieve the desired schedule. In this paper, we describe such a
scheduling system for NASA's Mars 2020 Perseverance Rover, as well as
Crosscheck, an explainable scheduling tool that explains the scheduler
behavior. The scheduling system and Crosscheck are the baseline for operational
use to schedule activities for the Mars 2020 rover. As we describe, the
scheduler generates a schedule given a set of activities and their constraints
and Crosscheck: (1) provides a visual representation of the generated schedule;
(2) analyzes and explains why activities failed to schedule given the
constraints provided; and (3) provides guidance on potential constraint
relaxations to enable the activities to schedule in future scheduler runs.
- Abstract（参考訳）: 自動スケジューリングシステムの振る舞いの背後にある理由を理解することは、信頼性が確保され、重要なアプリケーションにおける完全な機能に使用されることを保証するために不可欠である。
スケジューラが無効な場所でアクティビティをスケジュールする場合、通常は、無効なアクティビティでスケジュールを検査して欠落した制約を推測し、欠落した制約を決定することが容易である。
制約を満たすことができないため、スケジューラがアクティビティのスケジュールに失敗した場合、原因を決定することはより難しい。
このような場合、どの制約がスケジュールに失敗したか、どのように制約を変更して必要なスケジュールを達成するかを理解することが重要です。
本稿では、NASAのMars 2020 Perseverance Roverのスケジューリングシステムと、スケジューラの振る舞いを説明する説明可能なスケジューリングツールであるCrosscheckについて説明する。
スケジュールシステムとクロスチェックは、マーズ2020ローバーの活動をスケジュールするための運用ベースラインである。
以下に示すように、スケジューラは、一連のアクティビティとその制約を与えられたスケジュールを生成し、Crosscheck:(1)生成したスケジュールの視覚的表現を提供し、(2)提供した制約に従ってアクティビティがスケジュールに失敗した理由を分析し、説明し、(3)将来のスケジューラの実行時にアクティビティをスケジュールできるようにするための潜在的な制約緩和に関するガイダンスを提供する。
関連論文リスト
- Unlocking Reasoning Potential in Large Langauge Models by Scaling Code-form Planning [94.76546523689113]
CodePlanは、テキストコード形式の計画を生成し、追跡するフレームワークで、高いレベルの構造化された推論プロセスの概要を擬似コードで示します。
CodePlanは、洗練された推論タスク固有のリッチなセマンティクスと制御フローを効果的にキャプチャする。
反応を直接生成するのに比べて25.1%の相対的な改善が達成されている。
論文 参考訳（メタデータ） (2024-09-19T04:13:58Z) - Task and Motion Planning for Execution in the Real [24.01204729304763]
この作業は、作業を含むタスクと動作の計画を生成するが、計画時には完全には理解できない。
実行は、タスク目標に到達するまでオフラインで計画された動きとオンライン行動を組み合わせる。
提案したフレームワークを評価するために,40の実ロボット試験とモチベーション実証を行った。
その結果、実行時間が短縮され、アクションの数が少なくなり、さまざまなギャップが生じる問題の成功率が向上した。
論文 参考訳（メタデータ） (2024-06-05T22:30:40Z) - Unified Task and Motion Planning using Object-centric Abstractions of
Motion Constraints [56.283944756315066]
本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。
我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
論文 参考訳（メタデータ） (2023-12-29T14:00:20Z) - Skip-Plan: Procedure Planning in Instructional Videos via Condensed
Action Space Learning [85.84504287685884]
Skip-Plan(スキップ・プラン)は、訓練ビデオにおけるプロシージャ計画のための凝縮された行動空間学習法である。
アクションチェーン内の不確実なノードやエッジをスキップすることで、長いシーケンス関数と複雑なシーケンス関数を短いが信頼できるものに転送する。
我々のモデルは、凝縮された作用空間内のアクションシーケンス内で、あらゆる種類の信頼できる部分関係を探索する。
論文 参考訳（メタデータ） (2023-10-01T08:02:33Z) - SheetCopilot: Bringing Software Productivity to the Next Level through
Large Language Models [60.171444066848856]
本研究では,スプレッドシートの要求を満たすために自然言語処理と制御を行うスプレッドシートコパイロットエージェントを提案する。
221のスプレッドシート制御タスクを含む代表データセットをキュレートし,完全自動評価パイプラインを構築した。
当社の SheetCopilot は1世代で44.3% のタスクを正しく完了し、強力なコード生成ベースラインを広いマージンで上回っている。
論文 参考訳（メタデータ） (2023-05-30T17:59:30Z) - Generating Dispatching Rules for the Interrupting Swap-Allowed Blocking
Job Shop Problem Using Graph Neural Network and Reinforcement Learning [21.021840570685264]
割り込みスワップ可能なブロッキングジョブショップ問題(ISBJSSP)は、多くの製造計画やロジスティクスアプリケーションを現実的にモデル化することができる。
連続的な削除や加算を受けるノードとエッジを特徴とする動的解離グラフの定式化を導入する。
ISBJSSP設定の割り込み、スワップ、ブロッキングをシミュレートするシミュレータが開発された。
論文 参考訳（メタデータ） (2023-02-05T23:35:21Z) - Innovations in the field of on-board scheduling technologies [64.41511459132334]
本稿では、ミッション自律のためのソフトウェアフレームワークに組み込まれた、オンボードスケジューラを提案する。
スケジューラは線形整数プログラミングに基づいており、ブランチ・アンド・カット・ソルバの使用に依存している。
この技術は地球観測のシナリオでテストされており、その性能を最先端のスケジューリング技術と比較している。
論文 参考訳（メタデータ） (2022-05-04T12:00:49Z) - CoreDiag: Eliminating Redundancy in Constraint Sets [68.8204255655161]
最小コア(最小非冗長制約集合)の決定に利用できる新しいアルゴリズムを提案する。
このアルゴリズムは、冗長性の度合いが高い分散知識工学シナリオにおいて特に有用である。
本手法の適用可能性を示すために, 商業的構成知識ベースを用いた実証的研究を実施した。
論文 参考訳（メタデータ） (2021-02-24T09:16:10Z) - Scheduling Plans of Tasks [0.0]
タスクのスケジューリング計画の問題を解決するアルゴリズムを提案する。
提案アルゴリズムは,計画計画数を最大化する実行可能なスケジュールを探索する。
論文 参考訳（メタデータ） (2021-02-06T10:14:54Z) - Automated Large-scale Class Scheduling in MiniZinc [0.0]
本稿では,典型的な大学のニーズをすべて満たすことのできる授業スケジュールを効率的に作成するシステムを提案する。
提案システムでは,中等教育機関のスケジュールを1分以内で把握することができる。
論文 参考訳（メタデータ） (2020-11-15T12:02:52Z) - Task Scoping: Generating Task-Specific Abstractions for Planning [19.411900372400183]
オープンスコープの世界モデルを用いた特定のタスクの計画は、計算的に難解である。
本稿では,初期条件,目標条件,タスクの遷移力学構造に関する知識を活用するタスクスコーピングを提案する。
タスクスコーピングは、関連要因やアクションを決して削除せず、その計算複雑性を特徴づけ、特に有用である計画上の問題を特徴づける。
論文 参考訳（メタデータ） (2020-10-17T21:19:25Z)
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。