論文の概要: Planning for Temporally Extended Goals in Pure-Past Linear Temporal
Logic: A Polynomial Reduction to Standard Planning
- arxiv url: http://arxiv.org/abs/2204.09960v2
- Date: Fri, 22 Apr 2022 11:40:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-25 10:59:37.228132
- Title: Planning for Temporally Extended Goals in Pure-Past Linear Temporal
Logic: A Polynomial Reduction to Standard Planning
- Title(参考訳): 純極線形時間論理における時限拡張ゴールの計画:標準計画への多項式還元
- Authors: Giuseppe De Giacomo, Marco Favorito, Francesco Fuggitti
- Abstract要約: PPLTL(Pure-Past)で表される時間的拡張目標について検討する。
PPLTL目標の計画を標準計画に変換する手法を考案した。
我々の翻訳では、FDやMyNDといった最先端のツールがPLTLの目標をシームレスに扱えるようにしています。
- 参考スコア(独自算出の注目度): 24.40306100502023
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study temporally extended goals expressed in Pure-Past LTL (PPLTL). PPLTL
is particularly interesting for expressing goals since it allows to express
sophisticated tasks as in the Formal Methods literature, while the worst-case
computational complexity of Planning in both deterministic and nondeterministic
domains (FOND) remains the same as for classical reachability goals. However,
while the theory of planning for PPLTL goals is well understood, practical
tools have not been specifically investigated. In this paper, we make a
significant leap forward in the construction of actual tools to handle PPLTL
goals. We devise a technique to polynomially translate planning for PPLTL goals
into standard planning. We show the formal correctness of the translation, its
complexity, and its practical effectiveness through some comparative
experiments. As a result, our translation enables state-of-the-art tools, such
as FD or MyND, to handle PPLTL goals seamlessly, maintaining the impressive
performances they have for classical reachability goals.
- Abstract(参考訳): PPLTL(Pure-Past LTL)で表される時間拡張目標について検討した。
PPLTLは、フォーマルメソッドの文献のように洗練されたタスクを表現できるのに対して、決定論的および非決定論的ドメイン(FOND)におけるプランニングの最悪の計算複雑性は、古典的な到達可能性の目標と同じである。
しかし, PPLTL目標の計画理論はよく理解されているものの, 実用ツールについては特に研究されていない。
本稿では,PLTLの目標を達成するための実際のツールの構築において,大きな前進を遂げる。
PPLTL目標の計画を標準計画に多項式変換する手法を考案する。
本稿では, 翻訳の形式的正確性, 複雑さ, 実用性について比較実験を行った。
その結果,FD や MyND といった最先端のツールが PPLTL の目標をシームレスに扱えるようになり,従来の到達性目標に対する印象的な性能を維持した。
関連論文リスト
- 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) - LLM-Assist: Enhancing Closed-Loop Planning with Language-Based Reasoning [65.86754998249224]
従来のルールベースプランナとLCMベースのプランナを併用した,新しいハイブリッドプランナを開発した。
当社のアプローチでは,既存のプランナが苦労する複雑なシナリオをナビゲートし,合理的なアウトプットを生成すると同時に,ルールベースのアプローチと連携して作業する。
論文 参考訳(メタデータ) (2023-12-30T02:53:45Z) - 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) - Conformal Temporal Logic Planning using Large Language Models [29.57952582715011]
本稿では,複数のハイレベルなサブタスクを遂行する移動ロボットの新たな動作計画問題に対処する。
これらのサブタスクは、時間的および論理的な順序で達成されるべきである。
我々の目標は、NLベースの原子命題に基づいて定義されたタスクを満たすロボットプランを設計することである。
論文 参考訳(メタデータ) (2023-09-18T19:05:25Z) - Designing Behavior Trees from Goal-Oriented LTLf Formulas [3.3674998206524465]
本稿では,LTL(Linear Temporal Logic)のサブセットを用いて指定されたゴールを動作木(BT)に変換する方法を示す。
BTは、成功したトレースが目標を満たすことを保証します。
論文 参考訳(メタデータ) (2023-07-12T18:29:37Z) - Efficient Learning of High Level Plans from Play [57.29562823883257]
本稿では,移動計画と深いRLを橋渡しするロボット学習のフレームワークであるELF-Pについて紹介する。
ELF-Pは、複数の現実的な操作タスクよりも、関連するベースラインよりもはるかに優れたサンプル効率を有することを示す。
論文 参考訳(メタデータ) (2023-03-16T20:09:47Z) - Translating Natural Language to Planning Goals with Large-Language
Models [19.738395237639136]
近年の大規模言語モデル(LLM)は,様々な自然言語処理(NLP)タスクにおいて顕著な性能を示した。
我々の中心的な問題は、LLMが自然言語で指定された目標を構造化された計画言語に翻訳できるかどうかである。
GPT 3.5 変種に対する実験結果から,LCM は計画よりも翻訳に適していることが示された。
論文 参考訳(メタデータ) (2023-02-10T09:17:52Z) - Neuro-Symbolic Causal Language Planning with Commonsense Prompting [67.06667162430118]
言語プランニングは、より単純な低レベルステップに分解することで、複雑な高レベルな目標を実装することを目的としている。
以前の手法では、大規模な言語モデルからそのような能力を得るために、手動の例えか注釈付きプログラムが必要である。
本稿では,LLMからの手続き的知識をコモンセンス・インフュージョン・プロンプトにより引き起こすニューロシンボリック因果言語プランナー(CLAP)を提案する。
論文 参考訳(メタデータ) (2022-06-06T22:09:52Z) - Planning to Practice: Efficient Online Fine-Tuning by Composing Goals in
Latent Space [76.46113138484947]
汎用ロボットは、現実世界の非構造環境において困難なタスクを完了するために、多様な行動レパートリーを必要とする。
この問題に対処するため、目標条件強化学習は、コマンド上の幅広いタスクの目標に到達可能なポリシーを取得することを目的としている。
本研究では,長期的課題に対する目標条件付き政策を実践的に訓練する手法であるPlanning to Practiceを提案する。
論文 参考訳(メタデータ) (2022-05-17T06:58:17Z) - Reinforcement Learning for General LTL Objectives Is Intractable [10.69663517250214]
我々は、マルコフ決定プロセス(PACMDP)フレームワークにおいて、おそらく正しい学習の下で問題を定式化する。
この結果から, 強化学習アルゴリズムでは, 学習ポリシーの性能に対するPAC-MDP保証を得ることは不可能であることが示唆された。
論文 参考訳(メタデータ) (2021-11-24T18:26:13Z) - Recognizing LTLf/PLTLf Goals in Fully Observable Non-Deterministic
Domain Models [26.530274055506453]
目標認識(Goal Recognition)は、エージェントが目標とする正しい目的の目標を特定するタスクです。
我々は,時間的拡張目標を認識可能な新しいアプローチを開発した。
論文 参考訳(メタデータ) (2021-03-22T09:46:03Z)
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。