論文の概要: Knowledge Retrieval using Functional Object-Oriented Network
- arxiv url: http://arxiv.org/abs/2211.03037v1
- Date: Sun, 6 Nov 2022 06:02:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 18:15:50.745696
- Title: Knowledge Retrieval using Functional Object-Oriented Network
- Title（参考訳）: 関数型オブジェクト指向ネットワークを用いた知識検索
- Authors: Naseem Shaik
- Abstract要約: 機能的オブジェクト指向ネットワーク(英: functional object-oriented network、FOON)は、グラフの形をとるシンボリックタスク計画の知識表現である。
グラフ検索手法により、FOONから操作動作シーケンスを生成し、所望の目的を達成する。
結果は、シミュレーション環境で望まれる目的を達成するために、FOONによって生成された動きシーケンスを用いて説明される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robots can complete all human-performed tasks, but due to their current lack
of knowledge, some tasks still cannot be completed by them with a high degree
of success. However, with the right knowledge, these tasks can be completed by
robots with a high degree of success, reducing the amount of human effort
required to complete daily tasks. In this paper, the FOON, which describes the
robot action success rate, is discussed. The functional object-oriented network
(FOON) is a knowledge representation for symbolic task planning that takes the
shape of a graph. It is to demonstrate the adaptability of FOON in developing a
novel and adaptive method of solving a problem utilizing knowledge obtained
from various sources, a graph retrieval methodology is shown to produce
manipulation motion sequences from the FOON to accomplish a desired aim. The
outcomes are illustrated using motion sequences created by the FOON to complete
the desired objectives in a simulated environment.
- Abstract（参考訳）: ロボットはすべての人間によるタスクを完遂できるが、現在の知識が不足しているため、高い成功率で完了できないタスクもある。
しかし、適切な知識で、これらのタスクは高い成功率のロボットによって完了することができ、日々のタスクを完了するために必要な人的労力を減らすことができる。
本稿では,ロボットの行動成功率を記述するフォオンについて述べる。
関数型オブジェクト指向ネットワーク(foon)は、グラフの形をとる象徴的タスク計画のための知識表現である。
様々な情報源から得られた知識を利用して問題を解決する新規かつ適応的な手法を開発する際に、フーンの適応性を示すために、グラフ検索手法を示し、フーンから操作動作シーケンスを生成し、所望の目的を達成する。
結果は、シミュレーション環境で望まれる目的を達成するために、FOONによって生成された動きシーケンスを用いて説明される。
関連論文リスト
- Egocentric Planning for Scalable Embodied Task Achievement [6.870094263016224]
エゴセントリックプランニング(Egocentric Planning)は、複雑な環境におけるタスクを解決するために、シンボリックプランニングとオブジェクト指向のPOMDPを組み合わせた革新的なアプローチである。
国内タスク用に設計されたシミュレーション環境であるALFREDにおける我々のアプローチを評価し,そのスケーラビリティを実証した。
本手法では, エージェントの行動の前提条件と影響について, 信頼性の高い認識と記号的記述の特定, 学習が必要である。
論文 参考訳（メタデータ） (2023-06-02T06:41:24Z) - Long-Horizon Planning and Execution with Functional Object-Oriented
Networks [79.94575713911189]
タスク計画と実行のためのFOONとしてオブジェクトレベルの知識を活用するというアイデアを紹介します。
提案手法では,FOONをPDDLに自動変換し,市販のプランナ,アクションコンテキスト,ロボットスキルを活用する。
我々はCoppeliaSimの長期タスクに対するアプローチを実証し、学習されたアクションコンテキストを、これまで見たことのないシナリオにどのように拡張できるかを示す。
論文 参考訳（メタデータ） (2022-07-12T19:29:35Z) - Can Foundation Models Perform Zero-Shot Task Specification For Robot
Manipulation? [54.442692221567796]
タスク仕様は、熟練していないエンドユーザの関与とパーソナライズされたロボットの採用に不可欠である。
タスク仕様に対する広く研究されているアプローチは、目標を通じて、コンパクトな状態ベクトルまたは同じロボットシーンのゴールイメージを使用することである。
そこで本研究では,人間の指定や使用が容易な目標仕様の代替的,より汎用的な形式について検討する。
論文 参考訳（メタデータ） (2022-04-23T19:39:49Z) - Learning Sensorimotor Primitives of Sequential Manipulation Tasks from
Visual Demonstrations [13.864448233719598]
本稿では,低レベルポリシーと高レベルポリシーを同時に学習するニューラルネットワークベースの新しいフレームワークについて述べる。
提案手法の重要な特徴は、これらのポリシーがタスクデモの生のビデオから直接学習されることである。
ロボットアームを用いた物体操作タスクの実証実験の結果,提案するネットワークは実際の視覚的な実演から効率よく学習し,タスクを実行することができることがわかった。
論文 参考訳（メタデータ） (2022-03-08T01:36:48Z) - BC-Z: Zero-Shot Task Generalization with Robotic Imitation Learning [108.41464483878683]
本稿では,視覚に基づくロボット操作システムにおいて,新しいタスクを一般化することの課題について検討する。
実演と介入の両方から学ぶことができるインタラクティブで柔軟な模倣学習システムを開発した。
実際のロボットにおけるデータ収集を100以上のタスクにスケールすると、このシステムは平均的な成功率44%で24の目に見えない操作タスクを実行できる。
論文 参考訳（メタデータ） (2022-02-04T07:30:48Z) - Functional Task Tree Generation from a Knowledge Graph to Solve Unseen
Problems [5.400294730456784]
人間とは異なり、ロボットは創造的に新しいシナリオに適応できない。
知識グラフの形で存在する知識は、タスクツリーを作成するための参照の基盤として使用される。
提案手法は, 未確認成分の組み合わせであっても, 高精度にタスクプランを作成できることが示唆された。
論文 参考訳（メタデータ） (2021-12-04T21:28:22Z) - Procedure Planning in Instructional Videosvia Contextual Modeling and
Model-based Policy Learning [114.1830997893756]
本研究は,実生活ビデオにおける目標指向アクションを計画するモデルを学習することに焦点を当てる。
本研究では,ベイズ推論とモデルに基づく模倣学習を通して,人間の行動のモデル化を行う新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-10-05T01:06:53Z) - Example-Driven Model-Based Reinforcement Learning for Solving
Long-Horizon Visuomotor Tasks [85.56153200251713]
長軸ビズモータタスクの完了に適したプリミティブスキルを学習するためのモデルベースRL手法EMBRを紹介する。
フランカ・エミカのロボットアームでは、EMBRによってロボットは85%の成功率で3つの長い水平視運動タスクを完了できることがわかった。
論文 参考訳（メタデータ） (2021-09-21T16:48:07Z) - A Road-map to Robot Task Execution with the Functional Object-Oriented
Network [77.93376696738409]
関数型オブジェクト指向ネットワーク(FOON)はロボットの知識グラフ表現である。
FOONは、二部グラフの形で、ロボットの環境やタスクに対する理解に関係のある象徴的あるいは高レベルな情報を含んでいる。
論文 参考訳（メタデータ） (2021-06-01T00:43:04Z)
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。