論文の概要: Anytime Stochastic Task and Motion Policies

• arxiv url: http://arxiv.org/abs/2108.12537v1
• Date: Sat, 28 Aug 2021 00:23:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-31 14:28:58.726326
• Title: Anytime Stochastic Task and Motion Policies
• Title（参考訳）: 任意の確率的タスクと動作ポリシー
• Authors: Naman Shah, Siddharth Srivastava
• Abstract要約: 本稿では,タスクと動作計画を統合するための新しい手法を提案する。 我々のアルゴリズムは確率論的に完全であり、いつでも実現可能な解ポリシーを計算できる。
• 参考スコア（独自算出の注目度）: 12.72186877599064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In order to solve complex, long-horizon tasks, intelligent robots need to carry out high-level, abstract planning and reasoning in conjunction with motion planning. However, abstract models are typically lossy and plans or policies computed using them can be inexecutable. These problems are exacerbated in stochastic situations where the robot needs to reason about and plan for multiple contingencies. We present a new approach for integrated task and motion planning in stochastic settings. In contrast to prior work in this direction, we show that our approach can effectively compute integrated task and motion policies whose branching structures encode agent behaviors that handle multiple execution-time contingencies. We prove that our algorithm is probabilistically complete and can compute feasible solution policies in an anytime fashion so that the probability of encountering an unresolved contingency decreases over time. Empirical results on a set of challenging problems show the utility and scope of our method.
• Abstract（参考訳）: 複雑な長期的タスクを解決するためには、インテリジェントロボットは、動き計画と連動して高度な抽象的な計画と推論を実行する必要がある。 しかし、抽象モデルは一般的に損失が多く、それらを用いて計算された計画やポリシーは実行不可能である。 これらの問題は、ロボットが複数の状況について推論し計画する必要がある確率論的状況において悪化する。 確率的設定におけるタスクと動作計画の統合のための新しいアプローチを提案する。 この方向の先行作業とは対照的に,本手法では,複数の実行時コンティンジェンシーを処理するエージェントの振る舞いを分岐構造がエンコードする統合タスクとモーションポリシを効果的に計算できることを示す。 提案アルゴリズムは確率論的に完全であり,任意の方法で実現可能な解法ポリシーを計算し,未解決の並行性に遭遇する確率が時間の経過とともに減少することを示す。 課題の集合に関する実証的な結果は,本手法の有用性と適用範囲を示している。

関連論文リスト

• A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
  タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。 本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。 移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
  論文  参考訳（メタデータ） (2024-08-11T14:57:57Z)
• Optimal Integrated Task and Path Planning and Its Application to Multi-Robot Pickup and Delivery [10.530860023128406]
  本稿では,最適なタスクプランナと最適なパスプランナを組み合わせた,汎用的なマルチロボット計画機構を提案する。 統合プランナーは、タスクプランナーとパスプランナーの相互作用を通じて、ロボットに対して最適な衝突のない軌道を生成する。
  論文  参考訳（メタデータ） (2024-03-02T17:48:40Z)
• 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)
• Unified Task and Motion Planning using Object-centric Abstractions of Motion Constraints [56.283944756315066]
  本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。 我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
  論文  参考訳（メタデータ） (2023-12-29T14:00:20Z)
• 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)
• Optimal task and motion planning and execution for human-robot multi-agent systems in dynamic environments [54.39292848359306]
  本稿では,タスクのシーケンシング,割り当て,実行を最適化するタスクと動作計画の組み合わせを提案する。 このフレームワークはタスクとアクションの分離に依存しており、アクションはシンボル的タスクの幾何学的実現の可能な1つの可能性である。 ロボットアームと人間の作業員がモザイクを組み立てる共同製造シナリオにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2023-03-27T01:50:45Z)
• 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)
• Constrained Motion Planning Networks X [15.047777217748889]
  拘束運動計画ネットワークX(CoMPNetX)について述べる。 これはニューラルプランニングアプローチであり、条件付きディープニューラルジェネレータとニューラルグラデーションベースの高速投射演算子を持つ判別器から構成される。 提案手法は,従来のパスフィニングツールよりも高い成功率と低い時間で経路解を求める。
  論文  参考訳（メタデータ） (2020-10-17T03:34:38Z)
• Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal Constraints [52.58352707495122]
  本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。 都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
  論文  参考訳（メタデータ） (2020-05-27T01:10:41Z)

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。