論文の概要: Learning and Executing Re-usable Behaviour Trees from Natural Language Instruction

• arxiv url: http://arxiv.org/abs/2106.01650v1
• Date: Thu, 3 Jun 2021 07:47:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-04 23:16:02.404504
• Title: Learning and Executing Re-usable Behaviour Trees from Natural Language Instruction
• Title（参考訳）: 自然言語による再利用可能な振る舞いツリーの学習と実行
• Authors: Gavin Suddrey, Ben Talbot and Frederic Maire
• Abstract要約: ビヘイビアツリーは、堅牢でモジュラーな制御アーキテクチャを提供するために、自然言語命令と組み合わせて使用することができる。 提案手法を用いて生成した行動木を,新しいシナリオに一般化する方法を示す。 本研究は,既存の自然言語命令コーパスに対して検証する。
• 参考スコア（独自算出の注目度）: 1.4824891788575418
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Domestic and service robots have the potential to transform industries such as health care and small-scale manufacturing, as well as the homes in which we live. However, due to the overwhelming variety of tasks these robots will be expected to complete, providing generic out-of-the-box solutions that meet the needs of every possible user is clearly intractable. To address this problem, robots must therefore not only be capable of learning how to complete novel tasks at run-time, but the solutions to these tasks must also be informed by the needs of the user. In this paper we demonstrate how behaviour trees, a well established control architecture in the fields of gaming and robotics, can be used in conjunction with natural language instruction to provide a robust and modular control architecture for instructing autonomous agents to learn and perform novel complex tasks. We also show how behaviour trees generated using our approach can be generalised to novel scenarios, and can be re-used in future learning episodes to create increasingly complex behaviours. We validate this work against an existing corpus of natural language instructions, demonstrate the application of our approach on both a simulated robot solving a toy problem, as well as two distinct real-world robot platforms which, respectively, complete a block sorting scenario, and a patrol scenario.
• Abstract（参考訳）: 国内およびサービスロボットは、私たちが住んでいる家だけでなく、医療や小規模製造業といった産業を変革する可能性がある。 しかし、これらのロボットは膨大なタスクをこなすことができるため、あらゆるユーザーのニーズを満たす汎用的なソリューションを提供することは、明らかに難解である。 この問題に対処するためには、ロボットは実行時に新しいタスクを完遂する方法を学ぶことができるだけでなく、これらのタスクに対する解決策はユーザーのニーズによっても知らされなければならない。 本稿では,ゲームやロボティクスの分野で確立された制御アーキテクチャである行動木を自然言語指導と組み合わせて,自律エージェントに新しい複雑なタスクの学習と実行を指示するための堅牢でモジュール化された制御アーキテクチャを提供することを実証する。 また,本手法を用いて生成された行動木を,新たなシナリオに一般化し,今後の学習エピソードで再利用することで,より複雑な行動を生成する方法を示す。 本研究は,既存の自然言語命令のコーパスに対して検証し,おもちゃの問題を解決する模擬ロボットと,ブロックソートシナリオとパトロールシナリオをそれぞれ完成する2つの異なる実世界のロボットプラットフォームの両方に対して,我々のアプローチの適用を実証する。

関連論文リスト

• $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
  本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。 我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
  論文  参考訳（メタデータ） (2024-10-31T17:22:30Z)
• Grounding Robot Policies with Visuomotor Language Guidance [15.774237279917594]
  ロボットポリシーを現在の状況に基盤付けるためのエージェントベースのフレームワークを提案する。 提案するフレームワークは、特定の役割のために設計された会話エージェントのセットで構成されている。 弊社のアプローチは、操作ポリシーを効果的にガイドし、成功率を大幅に向上させることを実証する。
  論文  参考訳（メタデータ） (2024-10-09T02:00:37Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation [68.70755196744533]
  RoboGenはジェネレーティブなロボットエージェントで、ジェネレーティブなシミュレーションを通じて、さまざまなロボットのスキルを自動的に学習する。 我々の研究は、大規模モデルに埋め込まれた広範囲で多目的な知識を抽出し、それらをロボット工学の分野に移す試みである。
  論文  参考訳（メタデータ） (2023-11-02T17:59:21Z)
• ProgPrompt: Generating Situated Robot Task Plans using Large Language Models [68.57918965060787]
  大規模言語モデル(LLM)は、タスク計画中の潜在的な次のアクションを評価するために使用することができる。 本稿では, プログラム型LCMプロンプト構造を用いて, 配置環境間での計画生成機能を実現する。
  論文  参考訳（メタデータ） (2022-09-22T20:29:49Z)
• Lifelong Robotic Reinforcement Learning by Retaining Experiences [61.79346922421323]
  多くのマルチタスク強化学習は、ロボットが常にすべてのタスクからデータを収集できると仮定している。 本研究では,物理ロボットシステムの実用的制約を動機として,現実的なマルチタスクRL問題について検討する。 我々は、ロボットのスキルセットを累積的に成長させるために、過去のタスクで学んだデータとポリシーを効果的に活用するアプローチを導出する。
  論文  参考訳（メタデータ） (2021-09-19T18:00:51Z)
• Behavior coordination for self-adaptive robots using constraint-based configuration [0.0]
  本稿では,自己適応型ロボットの制御アーキテクチャを動的に構成するアルゴリズムを提案する。 このアルゴリズムは制約に基づく構成アプローチを用いて、反応イベントと熟考イベントの両方に対応して、どの基本的なロボット動作をアクティベートするかを決定する。 このソリューションは、ROSとオープンソースをベースとした、Behavior Coordinator CBCと呼ばれるソフトウェア開発ツールとして実装されている。
  論文  参考訳（メタデータ） (2021-03-24T12:09:44Z)
• Combining Planning and Learning of Behavior Trees for Robotic Assembly [0.9262157005505219]
  遺伝的プログラミングアルゴリズムを用いて行動木を生成する手法を提案する。 このタイプの高レベルな行動木学習は,さらなる学習をすることなく実システムへ移行できることを示す。
  論文  参考訳（メタデータ） (2021-03-16T13:11:39Z)
• Learning Behavior Trees with Genetic Programming in Unpredictable Environments [7.839247285151348]
  遺伝的プログラミングは行動木の構造を学習するのに有効であることを示す。 我々は,学習したBTが現実的なシミュレータで同じタスクを解くことを実証し,タスク特定を必要とせずに収束することを示した。
  論文  参考訳（メタデータ） (2020-11-06T09:28:23Z)
• SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
  SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。 部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
  論文  参考訳（メタデータ） (2020-03-19T00:11:34Z)

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。