論文の概要: Iterative Planning with Plan-Space Explanations: A Tool and User Study

• arxiv url: http://arxiv.org/abs/2011.09705v1
• Date: Thu, 19 Nov 2020 08:15:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 20:59:22.188459
• Title: Iterative Planning with Plan-Space Explanations: A Tool and User Study
• Title（参考訳）: 計画空間説明による反復計画:ツールとユーザスタディ
• Authors: Rebecca Eifler and J\"org Hoffmann
• Abstract要約: 計画空間の説明を含む,ヒューマンガイドによる反復計画のためのツールを実装した。 このツールは標準のWebブラウザで動作し、開発者とユーザの両方にシンプルなユーザーインターフェイスを提供する。 本研究は,反復計画における計画固有依存性説明の有用性を示す最初のユーザスタディである。
• 参考スコア（独自算出の注目度）: 5.779503104475269
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In a variety of application settings, the user preference for a planning task - the precise optimization objective - is difficult to elicit. One possible remedy is planning as an iterative process, allowing the user to iteratively refine and modify example plans. A key step to support such a process are explanations, answering user questions about the current plan. In particular, a relevant kind of question is "Why does the plan you suggest not satisfy $p$?", where p is a plan property desirable to the user. Note that such a question pertains to plan space, i.e., the set of possible alternative plans. Adopting the recent approach to answer such questions in terms of plan-property dependencies, here we implement a tool and user interface for human-guided iterative planning including plan-space explanations. The tool runs in standard Web browsers, and provides simple user interfaces for both developers and users. We conduct a first user study, whose outcome indicates the usefulness of plan-property dependency explanations in iterative planning.
• Abstract（参考訳）: さまざまなアプリケーション設定において、計画タスクのユーザの好み - 正確な最適化の目的 - を導き出すことは困難である。 考えられる改善の1つは、反復的なプロセスとして計画し、ユーザが反復的にサンプル計画を洗練し修正できるようにすることである。 このようなプロセスをサポートするための重要なステップは、現在の計画に関するユーザの質問に答える説明である。 特に、関連する質問は「なぜ$p$を満たさない計画を提案するのか? このような問題は計画空間、すなわち可能な代替計画の集合に関係している。 プランとプロパティの依存関係という観点で、このような質問に答える最近のアプローチを採用し、プランとスペースの説明を含む、人間主導の反復計画のためのツールとユーザインターフェースを実装します。 このツールは標準のWebブラウザで動作し、開発者とユーザの両方にシンプルなユーザーインターフェイスを提供する。 本研究は,反復計画における計画属性依存説明の有用性を示す最初のユーザ調査を行う。

関連論文リスト

• Propose, Assess, Search: Harnessing LLMs for Goal-Oriented Planning in Instructional Videos [48.15438373870542]
  VidAssistは、インストラクショナルビデオにおけるゼロ/フェーショット目標指向の計画のために設計された統合フレームワークである。 最適な計画生成のための幅優先探索アルゴリズムを採用している。 実験によると、VidAssistは異なる目標指向の計画設定のための統一されたフレームワークを提供する。
  論文  参考訳（メタデータ） (2024-09-30T17:57:28Z)
• 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)
• Socratic Planner: Inquiry-Based Zero-Shot Planning for Embodied Instruction Following [17.608330952846075]
  EIF(Embodied Instruction following)は、3D環境のオブジェクトをナビゲートして操作することで自然言語命令を実行するタスクである。 EIFの主な課題の1つは構成的タスク計画であり、しばしばラベル付きデータによる教師付きまたはコンテキスト内学習で対処される。 トレーニングデータを必要とせずに推測できる最初のゼロショットプランニング手法であるソクラティックプランナーを紹介する。
  論文  参考訳（メタデータ） (2024-04-21T08:10:20Z)
• Learning adaptive planning representations with natural language guidance [90.24449752926866]
  本稿では,タスク固有の計画表現を自動構築するフレームワークであるAdaについて述べる。 Adaは、プランナー互換の高レベルアクション抽象化と、特定の計画タスク領域に適応した低レベルコントローラのライブラリを対話的に学習する。
  論文  参考訳（メタデータ） (2023-12-13T23:35:31Z)
• 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)
• A Planning Ontology to Represent and Exploit Planning Knowledge for Performance Efficiency [6.87593454486392]
  我々は,エージェントを世界の初期状態から望ましい目標状態へ移動させる一連の行動を見つけることを目的として,自動計画の問題を考える。 利用可能なプランナと多様なプランナドメインが多数用意されていると仮定し、適切なプランナを特定し、ドメインのパフォーマンスを向上させるために活用できる不可欠な情報を持っている。
  論文  参考訳（メタデータ） (2023-07-25T14:51:07Z)
• Describe, Explain, Plan and Select: Interactive Planning with Large Language Models Enables Open-World Multi-Task Agents [26.78244595330595]
  「$underlineD$escribe」は、Large Language Models(LLMs)に基づく対話型計画手法である。 DEPSは、計画実行プロセスの$textitdescription$を統合することで、初期LLM生成の$textitplan$のエラー修正を容易にする。 実験は、70以上のMinecraftタスクを確実に達成できる最初のゼロショットマルチタスクエージェントのマイルストーンとなる。
  論文  参考訳（メタデータ） (2023-02-03T06:06:27Z)
• PlanT: Explainable Planning Transformers via Object-Level Representations [64.93938686101309]
  PlanTは、自動運転のコンテキストにおける計画のための新しいアプローチである。 PlanTは、コンパクトなオブジェクトレベルの入力表現を持つ模倣学習に基づいている。 この結果から,PlanTは幾何学的に距離をおいても,現場で最も関連性の高い物体に焦点を合わせることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2022-10-25T17:59:46Z)
• Answer Set Planning: A Survey [6.348684258418859]
  効率的でスケーラブルな回答セット解決器の開発は、ASPベースの計画システムの開発を後押しした。 調査では,回答セット計画のメリットとデメリットについて調査している。 また、回答セット計画の典型的な応用についても論じ、今後の研究の課題を提示する。
  論文  参考訳（メタデータ） (2022-02-11T17:42:47Z)
• Contrastive Explanations of Plans Through Model Restrictions [11.259587284318833]
  計画交渉の問題の文脈で説明可能なAI計画を組み立てます。 本研究は,ユーザが計画について質問すると,その質問とは対照的であることを示す,ユーザ調査の結果を示す。 本研究は,計画交渉中に頻繁に発生するユーザ質問の分類を構築するために,本研究のデータを用いている。
  論文  参考訳（メタデータ） (2021-03-29T12:47:15Z)
• 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。

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。