論文の概要: Abstracting Noisy Robot Programs

• arxiv url: http://arxiv.org/abs/2204.03536v1
• Date: Thu, 7 Apr 2022 16:04:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-08 18:40:58.310937
• Title: Abstracting Noisy Robot Programs
• Title（参考訳）: 騒音ロボットプログラムの抽象化
• Authors: Till Hofmann, Vaishak Belle
• Abstract要約: 本稿では,確率的および動的システムの抽象化へのアプローチについて述べる。 確率論的信念を持つ状況計算の変種に基づいて、バイシミュレーションの概念を定義する。 我々は、不要な詳細を省略し、実際の実行のために詳細なプログラムに変換できる抽象的なGologプログラムを得る。
• 参考スコア（独自算出の注目度）: 17.04153879817609
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Abstraction is a commonly used process to represent some low-level system by a more coarse specification with the goal to omit unnecessary details while preserving important aspects. While recent work on abstraction in the situation calculus has focused on non-probabilistic domains, we describe an approach to abstraction of probabilistic and dynamic systems. Based on a variant of the situation calculus with probabilistic belief, we define a notion of bisimulation that allows to abstract a detailed probabilistic basic action theory with noisy actuators and sensors by a possibly deterministic basic action theory. By doing so, we obtain abstract Golog programs that omit unnecessary details and which can be translated back to a detailed program for actual execution. This simplifies the implementation of noisy robot programs, opens up the possibility of using deterministic reasoning methods (e.g., planning) on probabilistic problems, and provides domain descriptions that are more easily understandable and explainable.
• Abstract（参考訳）: 抽象化は、重要な側面を保持しながら不要な詳細を省略することを目的として、より粗い仕様によって、低レベルのシステムを表現するために一般的に使用されるプロセスである。 近年,非確率的領域に着目した状況計算の抽象化に関する研究が進められているが,確率的および動的システムの抽象化へのアプローチについて述べる。 確率的信念を持つ状況計算の変種に基づいて, 騒音アクチュエータとセンサを用いた詳細な確率的基本動作理論を, 決定論的基本動作理論によって抽象化できるバイシミュレーションの概念を定義する。 これにより、不要な詳細を省略し、実際の実行のために詳細なプログラムに変換可能な抽象gologプログラムを得る。 これにより、ノイズの多いロボットプログラムの実装を単純化し、確率的問題に対する決定論的推論手法(例えば計画法)の使用可能性を開き、より理解しやすく説明しやすいドメイン記述を提供する。

関連論文リスト

• From Reals to Logic and Back: Inventing Symbolic Vocabularies, Actions, and Models for Planning from Raw Data [20.01856556195228]
  本稿では,抽象状態と行動に対する論理に基づく関係表現を自律的に学習する最初の手法を提案する。 学習された表現は自動発明されたPDDLのようなドメインモデルを構成する。 決定論的設定における実証的な結果は、少数のロボット軌道から強力な抽象表現を学ぶことができることを示している。
  論文  参考訳（メタデータ） (2024-02-19T06:28:21Z)
• Consciousness-Inspired Spatio-Temporal Abstractions for Better Generalization in Reinforcement Learning [83.41487567765871]
  Skipperはモデルベースの強化学習フレームワークである。 これは、与えられたタスクをより小さく、より管理しやすいサブタスクに自動的に一般化する。 環境の関連部分には、スパースな意思決定と集中した抽象化を可能にする。
  論文  参考訳（メタデータ） (2023-09-30T02:25:18Z)
• 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)
• Ideal Abstractions for Decision-Focused Learning [108.15241246054515]
  本稿では,決定関連情報の損失を最小限に抑えるために,出力空間を自動的に構成する手法を提案する。 本手法は,ディープニューラルネットワークトレーニングのためのデータ取得と,閉ループ山火事管理タスクの2つの領域で実証する。
  論文  参考訳（メタデータ） (2023-03-29T23:31:32Z)
• Abstraction-Refinement for Hierarchical Probabilistic Models [8.959154445409057]
  我々はマルコフ決定過程を検証するために、繰り返し部分を持つ階層構造を利用する。 本稿では,サブルーチンがシステム全体に与える影響を限定した局所的なケースに着目した。 このようなプログラムの分析を加速する鍵となる考え方は、(1)サブルーチンの挙動を不確かさとして扱い、必要であれば詳細な分析によってこの不確実性を取り除くこと、(2)類似サブルーチンをパラメトリックテンプレートに抽象化し、次にこのテンプレートを分析することである。
  論文  参考訳（メタデータ） (2022-06-06T14:44:36Z)
• Inventing Relational State and Action Abstractions for Effective and Efficient Bilevel Planning [26.715198108255162]
  我々は状態と行動の抽象化を学習するための新しいフレームワークを開発する。 我々は、対象のアイデンティティや数値を一般化するリレーショナル、ニューロシンボリックな抽象化を学ぶ。 学習した抽象化によって、より長い地平線のホールドアウトタスクを迅速に解決できることが示されています。
  論文  参考訳（メタデータ） (2022-03-17T22:13:09Z)
• Towards a Mathematical Theory of Abstraction [0.0]
  抽象化とは何か、そしておそらくもっと重要なのは、データから直接抽象化がどのように学習できるかを示唆する正確な特徴付けを提供します。 この結果は統計的推論や機械学習に深く影響し,データから直接正確な抽象化を学習するための明示的な手法の開発に利用することができる。
  論文  参考訳（メタデータ） (2021-06-03T13:23:49Z)
• Abstract Spatial-Temporal Reasoning via Probabilistic Abduction and Execution [97.50813120600026]
  時空間推論は人工知能(AI)の課題である 最近の研究は、この種の抽象的推論タスクに焦点を当てている -- Raven's Progressive Matrices (RPM) ニューロシンボリックな確率的アブダクションと実行学習者(PrAE)を提案する。
  論文  参考訳（メタデータ） (2021-03-26T02:42:18Z)
• Representing Partial Programs with Blended Abstract Semantics [62.20775388513027]
  プログラム合成エンジンにおける部分的なプログラム表現手法について紹介する。 モジュラーニューラルネットワークとして実装された近似実行モデルを学ぶ。 これらのハイブリッドニューロシンボリック表現は、実行誘導型シンセサイザーがより強力な言語構成を使うことができることを示す。
  論文  参考訳（メタデータ） (2020-12-23T20:40:18Z)
• Process Discovery for Structured Program Synthesis [70.29027202357385]
  プロセスマイニングにおける中核的なタスクは、イベントログデータから正確なプロセスモデルを学ぶことを目的としたプロセス発見である。 本稿では,ターゲットプロセスモデルとして(ブロック-)構造化プログラムを直接使用することを提案する。 我々は,このような構造化プログラムプロセスモデルの発見に対して,新たなボトムアップ・アグリメティブ・アプローチを開発する。
  論文  参考訳（メタデータ） (2020-08-13T10:33:10Z)
• Extracting Semantic Indoor Maps from Occupancy Grids [2.4214518935746185]
  室内環境のセマンティックマッピングに着目した。 ベイジアン推論を用いて,典型的なグリッドマップから抽象フロアプランを抽出する手法を提案する。 実世界のデータを用いたアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2020-02-19T18:52:27Z)

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。