論文の概要: Improving Search by Utilizing State Information in OPTIC Planners Compilation to LP

• arxiv url: http://arxiv.org/abs/2106.07924v1
• Date: Tue, 15 Jun 2021 07:23:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-17 03:08:27.856908
• Title: Improving Search by Utilizing State Information in OPTIC Planners Compilation to LP
• Title（参考訳）: LPへのオプティカルプランナコンパイルにおける状態情報の利用による検索の改善
• Authors: Elad Denenberg, Amanda Coles, and Derek Long
• Abstract要約: 多くのプランナーはドメインに依存しないので、さまざまなドメインにデプロイできる。 これらのプランナーは、Forward Searchを実行し、リニアプログラミング(LP)ソルバを複数の状態に呼び出して、一貫性を確認し、数値変数にバウンダリを設定する。 本稿では, 評価中の特定の状態に関する情報を同定し, 方程式の定式化により, より優れた解法選択と高速なLP解法を実現する方法を提案する。
• 参考スコア（独自算出の注目度）: 1.9686770963118378
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated planners are computer tools that allow autonomous agents to make strategies and decisions by determining a set of actions for the agent that to take, which will carry a system from a given initial state to the desired goal state. Many planners are domain-independent, allowing their deployment in a variety of domains. Such is the broad family of OPTIC planners. These planners perform Forward Search and call a Linear Programming (LP) solver multiple times at every state to check for consistency and to set bounds on the numeric variables. These checks can be computationally costly, especially in real-life applications. This paper suggests a method for identifying information about the specific state being evaluated, allowing the formulation of the equations to facilitate better solver selection and faster LP solving. The usefulness of the method is demonstrated in six domains and is shown to enhance performance significantly.
• Abstract（参考訳）: 自動プランナー(automated planner)は、自律的なエージェントが、与えられた初期状態から所望の目標状態までシステムを運ぶエージェントの一連のアクションを決定することによって、戦略や意思決定を行うことができるコンピュータツールである。 多くのプランナーはドメイン非依存で、様々なドメインにデプロイできる。 これがオプティカルプランナーの幅広い家系である。 これらのプランナーは前方探索を行い、一貫性をチェックし、数値変数の境界を設定するために、各状態において線形プログラミング(lp)ソルバを複数回呼び出す。 これらのチェックは計算コストがかかる可能性がある。 本稿では, 評価中の特定の状態に関する情報を同定し, 方程式の定式化により, より優れた解法選択と高速なLP解法を実現する方法を提案する。 本手法の有用性は6つの領域で示され,性能が著しく向上することが示されている。

関連論文リスト

• MathViz-E: A Case-study in Domain-Specialized Tool-Using Agents [1.1962302221087486]
  本稿では,数学教育のための算数ビジュアライザと解法システムを提案する。 このシステムは数学的解法と数学グラフツールを編成し、単純な自然言語コマンドから正確な視覚化を生成する。 専門的なデータセットの作成について述べるとともに,システムの出力評価を容易にする自動評価器を開発する。
  論文  参考訳（メタデータ） (2024-07-24T15:45:07Z)
• Octo-planner: On-device Language Model for Planner-Action Agents [19.627197141903505]
  Planner-Actionフレームワークは、計画とアクションの実行を2つの異なるコンポーネントに分離する。 Agentはまず、タスクをサブステップのシーケンスに分解してユーザクエリに応答し、アクションエージェントによって実行される。 我々は、文脈内学習の代わりにモデル微調整を採用し、計算コストとエネルギー消費を削減した。
  論文  参考訳（メタデータ） (2024-06-26T05:40:10Z)
• Learning Logic Specifications for Policy Guidance in POMDPs: an Inductive Logic Programming Approach [57.788675205519986]
  我々は任意の解法によって生成されるPOMDP実行から高品質なトレースを学習する。 我々は、データと時間効率のIndu Logic Programming(ILP)を利用して、解釈可能な信念に基づくポリシー仕様を生成する。 ASP(Answer Set Programming)で表現された学習は、ニューラルネットワークよりも優れた性能を示し、より少ない計算時間で最適な手作りタスクに類似していることを示す。
  論文  参考訳（メタデータ） (2024-02-29T15:36:01Z)
• Scalable Mechanism Design for Multi-Agent Path Finding [87.40027406028425]
  MAPF (Multi-Agent Path Finding) は、複数のエージェントが同時に移動し、与えられた目標地点に向かって共有領域を通って衝突しない経路を決定する。 最適解を見つけることは、しばしば計算不可能であり、近似的な準最適アルゴリズムを用いることが不可欠である。 本稿では、MAPFのスケーラブルな機構設計の問題を紹介し、MAPFアルゴリズムを近似した3つの戦略防御機構を提案する。
  論文  参考訳（メタデータ） (2024-01-30T14:26:04Z)
• Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
  製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。 セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-14T10:37:34Z)
• AI planning in the imagination: High-level planning on learned abstract search spaces [68.75684174531962]
  我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。 本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
  論文  参考訳（メタデータ） (2023-08-16T22:47:16Z)
• On efficient computation in active inference [1.1470070927586016]
  計算量を大幅に減らした有限時間地平線に対する新しい計画アルゴリズムを提案する。 また、新規かつ既存のアクティブな推論計画スキームに対して適切な目標分布を設定するプロセスを簡単にする。
  論文  参考訳（メタデータ） (2023-07-02T07:38:56Z)
• AVIS: Autonomous Visual Information Seeking with Large Language Model Agent [123.75169211547149]
  本稿では,視覚的質問応答フレームワークAVISを提案する。 本手法は,LLM(Large Language Model)を利用して外部ツールの利用を動的に強化する。 AVIS は Infoseek や OK-VQA などの知識集約型視覚質問応答ベンチマークの最先端結果を達成する。
  論文  参考訳（メタデータ） (2023-06-13T20:50:22Z)
• Factorization of Multi-Agent Sampling-Based Motion Planning [72.42734061131569]
  現代のロボティクスは、共有環境内で複数のエンボディエージェントを動作させることが多い。 標準的なサンプリングベースのアルゴリズムは、ロボットの関節空間における解の探索に使用できる。 我々は、因子化の概念をサンプリングベースアルゴリズムに統合し、既存の手法への最小限の変更しか必要としない。 本稿では, PRM* のサンプル複雑性の観点から解析的ゲインを導出し, RRG の実証結果を示す。
  論文  参考訳（メタデータ） (2023-04-01T15:50:18Z)
• Safe-Planner: A Single-Outcome Replanner for Computing Strong Cyclic Policies in Fully Observable Non-Deterministic Domains [0.22940141855172028]
  我々は、古典的ドメインの集合に非決定論的ドメインをコンパイルするために、単一出力決定に依存する、Safe-Plannerと呼ばれるオフラインのリプランナーを導入する。 実験により,この手法により,SPは誤った計画の生成を回避できるが,強い解に直結する弱い計画を生成することができることを示した。
  論文  参考訳（メタデータ） (2021-09-23T16:20:35Z)
• Actions You Can Handle: Dependent Types for AI Plans [2.064612766965483]
  本稿では,AIプランナが作成したプランを依存型言語Agdaに組み込む手法を提案する。 ユーザーは、計画のより一般的で抽象的な特性を推論し、検証することができる。
  論文  参考訳（メタデータ） (2021-05-24T13:33:56Z)

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。