論文の概要: Meta-Modeling of Assembly Contingencies and Planning for Repair
- arxiv url: http://arxiv.org/abs/2103.07544v1
- Date: Fri, 12 Mar 2021 21:44:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-18 10:02:35.936143
- Title: Meta-Modeling of Assembly Contingencies and Planning for Repair
- Title(参考訳): アセンブリのメタモデリングと修復計画
- Authors: Priyam Parashar, Aayush Naik, Jiaming Hu and Henrik I. Christensen
- Abstract要約: World Robotics Challenge(2018年と2020年)は、チームが新しいタスクに容易に適応できるシステムの設計に挑戦するために設計された。
我々は、ミッションをタスクとアクションに変換し、シンプルで複雑な障害に対処するための戦略のセットを提供する階層化された戦略を提示します。
- 参考スコア(独自算出の注目度): 5.889335227461726
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The World Robotics Challenge (2018 & 2020) was designed to challenge teams to
design systems that are easy to adapt to new tasks and to ensure robust
operation in a semi-structured environment. We present a layered strategy to
transform missions into tasks and actions and provide a set of strategies to
address simple and complex failures. We propose a model for characterizing
failures using this model and discuss repairs. Simple failures are by far the
most common in our WRC system and we also present how we repaired them.
- Abstract(参考訳): 世界ロボティクスチャレンジ(2018年と2020年)は、新しいタスクに適応しやすいシステムの設計と、半構造化環境での堅牢な運用の確保にチームが挑戦するように設計されている。
ミッションをタスクやアクションに変換するための階層化された戦略を提案し、シンプルで複雑な障害に対処するための一連の戦略を提供します。
本稿では,本モデルを用いて故障を特徴付けるモデルを提案する。
単純な失敗は、我々のWRCシステムで最も一般的であり、またどのように修正したかを示します。
関連論文リスト
- Interactive Task Planning with Language Models [97.86399877812923]
対話型ロボットフレームワークは、長期のタスクプランニングを達成し、実行中であっても、新しい目標や異なるタスクに容易に一般化することができる。
最近の大規模言語モデルに基づくアプローチは、よりオープンな計画を可能にするが、多くの場合、重いプロンプトエンジニアリングやドメイン固有の事前訓練されたモデルを必要とする。
本稿では,言語モデルを用いた対話型タスクプランニングを実現するためのシンプルなフレームワークを提案する。
論文 参考訳(メタデータ) (2023-10-16T17:59:12Z) - CoPAL: Corrective Planning of Robot Actions with Large Language Models [8.209152055117283]
本稿では,認知レベル間のシームレスな相互作用を編成し,推論,計画,動作生成を包含するシステムアーキテクチャを提案する。
中心となるのは、生成した計画における物理的に基底的、論理的、セマンティックなエラーを処理する、新しいリプラン戦略である。
論文 参考訳(メタデータ) (2023-10-11T07:39:42Z) - Self-Recovery Prompting: Promptable General Purpose Service Robot System
with Foundation Models and Self-Recovery [1.2900354046626057]
汎用サービスロボット(GPSR)は,様々な環境において多様なタスクを実行できる。
我々はまず,複数の基礎モデルに基づく世界競争のためのトップレベルGPSRシステム(RoboCup@Home 2023)を開発した。
本稿では、必要な情報を探索し、障害から回復するためのプロンプトを変更する自己回復プロンプトパイプラインを提案する。
論文 参考訳(メタデータ) (2023-09-25T18:00:03Z) - Plan, Eliminate, and Track -- Language Models are Good Teachers for
Embodied Agents [99.17668730578586]
事前訓練された大言語モデル(LLM)は、世界に関する手続き的な知識をキャプチャする。
Plan, Eliminate, and Track (PET)フレームワークはタスク記述をハイレベルなサブタスクのリストに変換する。
PETフレームワークは、人間の目標仕様への一般化のために、SOTAよりも15%改善されている。
論文 参考訳(メタデータ) (2023-05-03T20:11:22Z) - Policy Architectures for Compositional Generalization in Control [71.61675703776628]
本稿では,タスクにおけるエンティティベースの構成構造をモデル化するためのフレームワークを提案する。
私たちのポリシーは柔軟で、アクションプリミティブを必要とせずにエンドツーエンドでトレーニングできます。
論文 参考訳(メタデータ) (2022-03-10T06:44:24Z) - Task and Situation Structures for Service Agent Planning [13.316408384365308]
本稿では,タスクを表現する汎用構造と,状況を表現するための構造を紹介する。
新たに導入された2つの構造に基づいて,ドメインルールのハードコーディングを回避する状況処理手法を提案する。
論文 参考訳(メタデータ) (2021-07-27T14:33:49Z) - Chameleon: A Semi-AutoML framework targeting quick and scalable
development and deployment of production-ready ML systems for SMEs [0.0]
半AutoMLフレームワークChameleonの実装と概念について議論する。
Chameleonの目標は、プロダクション対応機械学習システムの高速でスケーラブルな開発とデプロイを中小企業のワークフローに組み込むことだ。
論文 参考訳(メタデータ) (2021-05-08T10:43:26Z) - Simultaneous Navigation and Construction Benchmarking Environments [73.0706832393065]
モバイル構築のためのインテリジェントなロボット、環境をナビゲートし、幾何学的設計に従ってその構造を変更するプロセスが必要です。
このタスクでは、ロボットのビジョンと学習の大きな課題は、GPSなしでデザインを正確に達成する方法です。
我々は,手工芸政策の性能を,基礎的なローカライゼーションと計画,最先端の深層強化学習手法を用いて評価した。
論文 参考訳(メタデータ) (2021-03-31T00:05:54Z) - Goal-Aware Prediction: Learning to Model What Matters [105.43098326577434]
学習した前進力学モデルを使用する際の根本的な課題の1つは、学習したモデルの目的と下流のプランナーやポリシーの目標とのミスマッチである。
本稿では,タスク関連情報への直接的予測を提案し,そのモデルが現在のタスクを認識し,状態空間の関連量のみをモデル化することを奨励する。
提案手法は,目標条件付きシーンの関連部分を効果的にモデル化し,その結果,標準タスク非依存のダイナミックスモデルやモデルレス強化学習より優れていることがわかった。
論文 参考訳(メタデータ) (2020-07-14T16:42:59Z) - Mutual Information Maximization for Robust Plannable Representations [82.83676853746742]
モデルに基づく強化学習のための情報理論表現学習アルゴリズムMIROを提案する。
提案手法は, 邪魔や散らかったシーンの存在下で, 再建目的よりも頑健であることを示す。
論文 参考訳(メタデータ) (2020-05-16T21:58:47Z)
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。