論文の概要: Classical Planning as QBF without Grounding (extended version)

• arxiv url: http://arxiv.org/abs/2106.10138v1
• Date: Fri, 18 Jun 2021 14:06:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-21 19:58:43.972175
• Title: Classical Planning as QBF without Grounding (extended version)
• Title（参考訳）: 接地のないQBFとしての古典的計画(拡張版)
• Authors: Irfansha Shaik, Jaco van de Pol
• Abstract要約: グラウンド化にはメモリの大幅なコストが伴うため、SAT/QBFベースのプランナのエンコーディングが大きくなる。 オブジェクト数に対数的であり、グラウンド化を完全に回避できるコンパクトなQBF符号化を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most classical planners use grounding as a preprocessing step, reducing planning to propositional logic. However, grounding comes with a severe cost in memory, resulting in large encodings for SAT/QBF based planners. Despite the optimisations in SAT/QBF encodings such as action splitting, compact encodings and using parallel plans, the memory usage due to grounding remains a bottleneck when actions have many parameters, such as in the Organic Synthesis problems from the IPC 2018 planning competition (in its original non-split form). In this paper, we provide a compact QBF encoding that is logarithmic in the number of objects and avoids grounding completely by using universal quantification for object combinations. We compare the ungrounded QBF encoding with the simple SAT encoding and also show that we can solve some of the Organic Synthesis problems, which could not be handled before by any SAT/QBF based planners due to grounding.
• Abstract（参考訳）: ほとんどの古典的なプランナーはグラウンディングを前処理のステップとして使い、命題論理の計画を減らす。 しかし、グラウンド化にはメモリの大幅なコストが伴うため、SAT/QBFベースのプランナのエンコーディングが大きくなる。 SAT/QBFエンコーディングではアクション分割、コンパクトエンコーディング、並列計画などの最適化がなされているが、IPC 2018プランニングコンペティションの有機合成問題(元々の非スプリット形式)など、アクションが多くのパラメータを持つ場合、グラウンディングによるメモリ使用量はボトルネックのままである。 本稿では,オブジェクト数の対数的なコンパクトQBF符号化を行い,オブジェクトの組み合わせの普遍的定量化により,グラウンド化を完全に回避する。 また, 従来のSAT/QBFベースプランナでは扱えなかった有機合成問題のいくつかを, 単純なSATエンコーディングと非基底QBFエンコーディングを比較した。

関連論文リスト

• Parallel Strategies for Best-First Generalized Planning [51.713634067802104]
  汎用計画(GP)は、複数の古典的な計画インスタンスを解くことができるアルゴリズムのようなソリューションの自動合成を研究するAIの研究分野である。 現在の進歩の1つはBest-First Generalized Planning (BFGP) の導入である。 本稿では,並列探索手法をBFGPに適用し,性能ギャップを埋める上で重要な要素であることを示す。
  論文  参考訳（メタデータ） (2024-07-31T09:50:22Z)
• Fault-tolerant quantum architectures based on erasure qubits [49.227671756557946]
  我々は、支配的なノイズを既知の場所での消去に効率よく変換することで、消去量子ビットの考え方を利用する。 消去量子ビットと最近導入されたFloquet符号に基づくQECスキームの提案と最適化を行う。 以上の結果から, 消去量子ビットに基づくQECスキームは, より複雑であるにもかかわらず, 標準手法よりも著しく優れていることが示された。
  論文  参考訳（メタデータ） (2023-12-21T17:40:18Z)
• Symbolic Numeric Planning with Patterns [1.450144681559089]
  我々は,有界$n$を持つ$Pi$のプランを,最先端のロールアップと緩和された$exists$エンコーディングよりも少ない変数と/または節の式として見つけるという問題をエンコードする。 我々は,今年の国際計画コンペティションにおいて,プランナーのPattyが極めて優れたパフォーマンスを示した。
  論文  参考訳（メタデータ） (2023-12-15T17:20:25Z)
• Measurement-free fault-tolerant quantum error correction in near-term devices [0.0]
  キュービットを測定する必要なしにQECサイクルを実行するための新しいスキームを提供する。 フラグキュービットベースのECサイクルと比較して,提案方式の論理的故障率をベンチマークする。 イオントラップや中性原子をツイーザーアレイで実装する方法について概説する。
  論文  参考訳（メタデータ） (2023-07-25T07:22:23Z)
• Lifted Sequential Planning with Lazy Constraint Generation Solvers [28.405198103927955]
  本稿では,Lzy Clause Generation(LCG)に基づく制約プログラミング(CP)へのアプローチを用いて,オープンな可能性について検討する。 本稿では,いわゆるリフト型因果エンコーディングに基づく新しいCPモデルを提案する。 提案手法は,計画手順の少ない計画インスタンスに対して,最適な逐次計画における最先端の手法と非常によく比較可能であることを報告する。
  論文  参考訳（メタデータ） (2023-07-17T04:54:58Z)
• Capturing (Optimal) Relaxed Plans with Stable and Supported Models of Logic Programs [4.020523898765405]
  計画問題を考えると、この問題の緩和計画を作成するために命令された全てのアクションのサブセットは、論理プログラムの安定なモデルでキャプチャできることを示す。 そこで我々は,緩和計画問題の1つの因果的および1つの診断的エンコーディングを論理プログラムとして導入し,両者が支持するモデルを用いて緩和計画のキャプチャを行う。
  論文  参考訳（メタデータ） (2023-06-08T09:34:38Z)
• An Efficient HTN to STRIPS Encoding for Concurrent Plans [0.0]
  STRIPSエンコーディングに新たなHTNを提案する。 提案手法は,階層型IPCベンチマークにおける従来の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-06-14T18:18:22Z)
• Logical blocks for fault-tolerant topological quantum computation [55.41644538483948]
  本稿では,プラットフォームに依存しない論理ゲート定義の必要性から,普遍的なフォールトトレラント論理の枠組みを提案する。 資源オーバーヘッドを改善するユニバーサル論理の新しいスキームについて検討する。 境界のない計算に好適な論理誤差率を動機として,新しい計算手法を提案する。
  論文  参考訳（メタデータ） (2021-12-22T19:00:03Z)
• Structural Learning of Probabilistic Sentential Decision Diagrams under Partial Closed-World Assumption [127.439030701253]
  確率感性決定図は構造化分解可能な回路のクラスである。 本稿では,回路の論理的基盤を暗黙的に提供する部分閉世界仮定に基づく新しいスキームを提案する。 予備実験では、提案手法がトレーニングデータに適切に適合し、基礎となる論理的基盤と整合性を維持した上で、テストデータによく適合することを示した。
  論文  参考訳（メタデータ） (2021-07-26T12:01:56Z)
• Transformer-based Machine Learning for Fast SAT Solvers and Logic Synthesis [63.53283025435107]
  CNFベースのSATとMaxSATは論理合成と検証システムの中心である。 そこで本研究では,Transformerアーキテクチャから派生したワンショットモデルを用いて,MaxSAT問題の解法を提案する。
  論文  参考訳（メタデータ） (2021-07-15T04:47:35Z)
• STRIPS Action Discovery [67.73368413278631]
  近年のアプローチでは、すべての中間状態が欠如している場合でも、アクションモデルを合成する古典的な計画が成功している。 アクションシグネチャが不明な場合に,従来のプランナーを用いてSTRIPSアクションモデルを教師なしで合成するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-30T17:08:39Z)

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。