論文の概要: Team Plan Recognition: A Review of the State of the Art
- arxiv url: http://arxiv.org/abs/2301.13288v1
- Date: Mon, 30 Jan 2023 21:01:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-01 18:38:24.067979
- Title: Team Plan Recognition: A Review of the State of the Art
- Title（参考訳）: team plan recognition: the state of the artのレビュー
- Authors: Loren Rieffer-Champlin
- Abstract要約: 協調作業を行う人間のグループを支援する人工知能システムの開発の必要性が高まっている。
この記事では、チームプランの認識に関する文献をレビューし、それを実装するための最新のロジックベースのアプローチを調査します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: There is an increasing need to develop artificial intelligence systems that
assist groups of humans working on coordinated tasks. These systems must
recognize and understand the plans and relationships between actions for a team
of humans working toward a common objective. This article reviews the
literature on team plan recognition and surveys the most recent logic-based
approaches for implementing it. First, we provide some background knowledge,
including a general definition of plan recognition in a team setting and a
discussion of implementation challenges. Next, we explain our reasoning for
focusing on logic-based methods. Finally, we survey recent approaches from two
primary classes of logic-based methods (plan library-based and domain
theory-based). We aim to bring more attention to this sparse but vital topic
and inspire new directions for implementing team plan recognition.
- Abstract（参考訳）: 協調作業に従事する人間のグループを支援する人工知能システムの開発の必要性が高まっている。
これらのシステムは、共通の目的に向かって作業する人間のチームに対する行動の計画と関係を認識し、理解する必要がある。
この記事では、チームプラン認識に関する文献をレビューし、それを実装するための最新のロジックベースのアプローチを調査します。
まず、チーム設定における計画認識の一般的な定義や実装上の課題に関する議論など、いくつかの背景知識を提供する。
次に,論理ベースの手法に着目した推論について述べる。
最後に、論理ベースの手法(プランライブラリベースとドメイン理論ベース)の2つの主要なクラスから最近のアプローチを調査した。
私たちは、このささやかなが重要なトピックにもっと注意を向け、チームプラン認識を実装するための新しい方向性を刺激することを目指しています。
関連論文リスト
- Inference-Time Computations for LLM Reasoning and Planning: A Benchmark and Insights [49.42133807824413]
本稿では,大規模言語モデル(LLM)の複雑な課題解決における推論と計画能力について検討する。
近年の推論時間技術の発展は,LLM推論を追加訓練なしで向上させる可能性を示している。
OpenAIのo1モデルは、マルチステップ推論と検証の新たな使用を通じて、有望なパフォーマンスを示している。
論文 参考訳（メタデータ） (2025-02-18T04:11:29Z) - DHP: Discrete Hierarchical Planning for Hierarchical Reinforcement Learning Agents [2.1438108757511958]
我々の重要な貢献は、従来の距離に基づくアプローチに代わる離散階層的計画法(DHP)である。
提案手法の理論的基礎を提供し,その効果を広範な経験的評価を通じて実証する。
提案手法は,25室環境における長期視覚計画タスクにおいて,成功率と平均エピソード長において,従来のベンチマークよりも有意に優れていた。
論文 参考訳（メタデータ） (2025-02-04T03:05:55Z) - Introduction to AI Planning [0.0]
注記は州モデルの導入から始まり、古典的な計画の探求に移る。
最も広範なセクションは階層的タスクネットワーク(HTN)計画に特化している。
講演ノートは、計画ドメイン定義(PDDL)言語に関するボーナス章で終わる。
論文 参考訳（メタデータ） (2024-12-16T10:38:04Z) - 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) - 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) - A Planning Ontology to Represent and Exploit Planning Knowledge for Performance Efficiency [6.87593454486392]
我々は,エージェントを世界の初期状態から望ましい目標状態へ移動させる一連の行動を見つけることを目的として,自動計画の問題を考える。
利用可能なプランナと多様なプランナドメインが多数用意されていると仮定し、適切なプランナを特定し、ドメインのパフォーマンスを向上させるために活用できる不可欠な情報を持っている。
論文 参考訳（メタデータ） (2023-07-25T14:51:07Z) - Planning and Learning: Path-Planning for Autonomous Vehicles, a Review
of the Literature [5.015229992316947]
この短いレビューは、読者が計画、スケジューリング、学習に関する最先端の作業に慣れるようにすることを目的としている。
まず,最先端の計画アルゴリズムについて検討する。
次に、グラフ構造化された入力を処理するのに適した、最近のニューラルネットワークの変種であるグラフニューラルネットワークについて詳しく調べる。
論文 参考訳（メタデータ） (2022-07-26T20:56:18Z) - 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) - 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) - AR-LSAT: Investigating Analytical Reasoning of Text [57.1542673852013]
テキストの分析的推論の課題を研究し、1991年から2016年までのロースクール入学試験からの質問からなる新しいデータセットを紹介します。
我々は,この課題をうまくこなすために必要な知識理解と推論能力を分析する。
論文 参考訳（メタデータ） (2021-04-14T02:53:32Z) - The Emerging Landscape of Explainable AI Planning and Decision Making [38.2760494588758]
説明可能なAI計画(XAIP)におけるさまざまな作業のスレッドの概要について概説する。
本調査は,人為的ループシステムの効果的な設計における説明の役割をめざして,新しい研究者に自動計画のガイダンスを提供することを期待している。
論文 参考訳（メタデータ） (2020-02-26T18:40:47Z)
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。