論文の概要: Automatic Verification of Sound Abstractions for Generalized Planning
- arxiv url: http://arxiv.org/abs/2205.11898v1
- Date: Tue, 24 May 2022 08:48:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-25 14:32:37.537642
- Title: Automatic Verification of Sound Abstractions for Generalized Planning
- Title（参考訳）: 一般化計画のための音響抽象化の自動検証
- Authors: Zhenhe Cui, Weidu Kuang, Yongmei Liu
- Abstract要約: 一般計画は、計画問題の集合に対する一般解の計算を研究する。
音の抽象化は、一般的な計画問題に対する正確性を保証するものである。
- 参考スコア（独自算出の注目度）: 6.327435698167334
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generalized planning studies the computation of general solutions for a set
of planning problems. Computing general solutions with correctness guarantee
has long been a key issue in generalized planning. Abstractions are widely used
to solve generalized planning problems. Solutions of sound abstractions are
those with correctness guarantees for generalized planning problems. Recently,
Cui et al. proposed a uniform abstraction framework for generalized planning.
They gave the model-theoretic definitions of sound and complete abstractions
for generalized planning problems. In this paper, based on Cui et al.'s work,
we explore automatic verification of sound abstractions for generalized
planning. We firstly present the proof-theoretic characterization for sound
abstraction. Then, based on the characterization, we give a sufficient
condition for sound abstractions which is first-order verifiable. To implement
it, we exploit regression extensions, and develop methods to handle counting
and transitive closure. Finally, we implement a sound abstraction verification
system and report experimental results on several domains.
- Abstract（参考訳）: 一般計画は、計画問題の集合に対する一般解の計算を研究する。
正確性を保証する計算一般ソリューションは、長い間、一般的な計画において重要な問題であった。
抽象化は一般的な計画問題の解決に広く用いられている。
音の抽象化の解決策は、一般的な計画問題の正確性を保証するものである。
cuiらは最近、汎用計画のための統一的な抽象化フレームワークを提案した。
彼らは一般的な計画問題に対して、音響と完全な抽象化のモデル理論的な定義を与えた。
本稿では,Cuiらの研究に基づき,一般化計画のための音響抽象化の自動検証について検討する。
まず,音響抽象化の証明論的特性について述べる。
そして,その特徴に基づいて,一階の検証が可能な音の抽象化条件を提案する。
これを実現するために,回帰拡張を活用し,計数および推移的閉包を扱う手法を開発した。
最後に,音の抽象検証システムを実装し,複数の領域について実験結果を報告する。
関連論文リスト
- Depth-Bounded Epistemic Planning [50.42592219248395]
本稿では,動的てんかん論理に基づく新しい計画法を提案する。
新規性は、計画エージェントの推論の深さを上界bに制限することである。
推論深度の境界b内における解を持つ計画タスクに関して、完全なものであることを示す。
論文 参考訳（メタデータ） (2024-06-03T09:30:28Z) - Planning as In-Painting: A Diffusion-Based Embodied Task Planning
Framework for Environments under Uncertainty [56.30846158280031]
具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。
In-paintingとしての計画」というタスク非依存の手法を提案する。
提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-12-02T10:07:17Z) - 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) - Hierarchical Decomposition and Analysis for Generalized Planning [26.288236123430117]
本稿では,一般化計画の分析と評価のための新しい手法を提案する。
我々は,証明手法とアルゴリズムプロセスとともに,新しい概念的枠組みを開発する。
このアプローチは、自動的に評価できる一般化された計画のクラスを著しく拡張することを示します。
論文 参考訳（メタデータ） (2022-12-06T08:37:21Z) - Abstract Interpretation for Generalized Heuristic Search in Model-Based
Planning [50.96320003643406]
ドメイン・ジェネラル・モデル・ベース・プランナーは、しばしば記号的世界モデルの緩和を通じて探索を構築することによって一般性を導出する。
抽象解釈がこれらの抽象化の統一フレームワークとして機能し、よりリッチな世界モデルに探索の範囲を広げる方法について説明する。
また、これらは学習と統合することができ、エージェントは抽象的な情報を通じて、新しい世界のモデルで計画を開始することができる。
論文 参考訳（メタデータ） (2022-08-05T00:22:11Z) - Abstracting Noisy Robot Programs [17.04153879817609]
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。
論文 参考訳（メタデータ） (2022-04-07T16:04:19Z) - Generalized Inverse Planning: Learning Lifted non-Markovian Utility for
Generalizable Task Representation [83.55414555337154]
本研究では,人間の実演からこのような有用性を学ぶことを研究する。
本稿では,本領域におけるユーティリティ学習のための新しい探索手法である一般化逆計画を提案する。
計算フレームワークである最大エントロピー逆計画(MEIP)について概説し、非マルコフ的効用と関連する概念を生成的に学習する。
論文 参考訳（メタデータ） (2020-11-12T21:06:26Z) - Information-Theoretic Abstractions for Planning in Agents with
Computational Constraints [16.565205172451662]
本稿では,元空間の抽象化に関する問題を解くことで,環境内の経路計画問題を体系的に近似する方法を示す。
数値的な例を提示し, アプローチの有用性を示し, 理論的知見を裏付ける。
論文 参考訳（メタデータ） (2020-05-19T17:32:10Z) - 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。