Fugu-MT 論文翻訳(概要): Task and Situation Structures for Service Agent Planning

論文の概要: Task and Situation Structures for Service Agent Planning

arxiv url: http://arxiv.org/abs/2107.12851v1
Date: Tue, 27 Jul 2021 14:33:49 GMT
ステータス: 処理完了
システム内更新日: 2021-07-28 14:45:11.070039
Title: Task and Situation Structures for Service Agent Planning
Title（参考訳）: サービスエージェント計画のためのタスクと状況構造
Authors: Hao Yang and Tavan Eftekhar and Chad Esselink and Yan Ding and Shiqi Zhang
Abstract要約: 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。
参考スコア（独自算出の注目度）: 13.316408384365308
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Everyday tasks are characterized by their varieties and variations, and frequently are not clearly specified to service agents. This paper presents a comprehensive approach to enable a service agent to deal with everyday tasks in open, uncontrolled environments. We introduce a generic structure for representing tasks, and another structure for representing situations. Based on the two newly introduced structures, we present a methodology of situation handling that avoids hard-coding domain rules while improving the scalability of real-world task planning systems.
Abstract（参考訳）: 日常の業務は、その種類やバリエーションによって特徴づけられ、しばしばサービスエージェントに明確に指定されていない。本稿では,オープンかつ制御不能な環境でサービスエージェントが日常的なタスクを処理できるようにするための包括的アプローチを提案する。タスクを表現するための汎用構造と状況を表す別の構造を導入する。新たに導入された2つの構造に基づいて,実世界のタスク計画システムのスケーラビリティを改善しつつ,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。

関連論文リスト

Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
本稿では,高速なタスク分解とアロケーションプロセスを活用するマルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークを提案する。提案フレームワークにフィードバックループを組み込んで,そのような問題解決プロセスの有効性と堅牢性をさらに向上させる。
論文参考訳（メタデータ） (2024-10-03T04:07:51Z)
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)
Learning Type-Generalized Actions for Symbolic Planning [4.670305538969915]
本稿では,与えられた実体階層を用いてシンボル動作を一般化する新しい概念を提案する。模擬グリッド型キッチン環境において,少数の観測結果から型一般化動作を学習し,新しい状況に一般化できることが示される。
論文参考訳（メタデータ） (2023-08-09T11:01:46Z)
Fast Inference and Transfer of Compositional Task Structures for Few-shot Task Generalization [101.72755769194677]
本稿では,タスクがサブタスクグラフによって特徴づけられる,数発の強化学習問題として定式化する。我々のマルチタスクサブタスクグラフ推論器(MTSGI)は、トレーニングタスクから、まず、サブタスクグラフの観点から、一般的なハイレベルなタスク構造を推測する。提案手法は,2次元グリッドワールドおよび複雑なWebナビゲーション領域において,タスクの共通基盤構造を学習し,活用し,未知のタスクへの適応を高速化する。
論文参考訳（メタデータ） (2022-05-25T10:44:25Z)
Hierarchically Structured Scheduling and Execution of Tasks in a Multi-Agent Environment [1.0660480034605238]
倉庫環境では、タスクが動的に出現するので、早すぎると労働力にマッチするタスク管理システムは、必ずしも最適ではない。本稿では,高レベルスケジューリング問題と低レベルマルチエージェント問題の両方を解決するために,深層強化学習を提案する。
論文参考訳（メタデータ） (2022-03-06T18:11:34Z)
A Consciousness-Inspired Planning Agent for Model-Based Reinforcement Learning [104.3643447579578]
本稿では、その状態の関連部分に動的に対応できるエンドツーエンドのモデルベース深層強化学習エージェントを提案する。この設計により、エージェントは関連するオブジェクトに参画することで効果的に計画を学ぶことができ、配布外一般化がより良くなる。
論文参考訳（メタデータ） (2021-06-03T19:35:19Z)
One Solution is Not All You Need: Few-Shot Extrapolation via Structured MaxEnt RL [142.36621929739707]
課題を達成するために多様な行動を学ぶことは、様々な環境に一般化する行動を引き起こす可能性があることを示す。トレーニング中の1つの環境でタスクの複数のソリューションを識別することにより、我々のアプローチは新たな状況に一般化できる。
論文参考訳（メタデータ） (2020-10-27T17:41:57Z)
Task Scoping: Generating Task-Specific Abstractions for Planning [19.411900372400183]
オープンスコープの世界モデルを用いた特定のタスクの計画は、計算的に難解である。本稿では,初期条件,目標条件,タスクの遷移力学構造に関する知識を活用するタスクスコーピングを提案する。タスクスコーピングは、関連要因やアクションを決して削除せず、その計算複雑性を特徴づけ、特に有用である計画上の問題を特徴づける。
論文参考訳（メタデータ） (2020-10-17T21:19:25Z)
OCEAN: Online Task Inference for Compositional Tasks with Context Adaptation [150.1979017130774]
構成タスクに対するオンラインタスク推論を行うための変分推論フレームワークを提案する。本フレームワークは,タスク構造に関する事前の知識に基づいて,柔軟な潜伏分布をサポートし,教師なしで訓練することができる。
論文参考訳（メタデータ） (2020-08-17T04:50:34Z)

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。