論文の概要: Take a Break in the Middle: Investigating Subgoals towards Hierarchical Script Generation

• arxiv url: http://arxiv.org/abs/2305.10907v1
• Date: Thu, 18 May 2023 12:10:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-19 15:24:22.978440
• Title: Take a Break in the Middle: Investigating Subgoals towards Hierarchical Script Generation
• Title（参考訳）: 中間のブレークスルー:階層型スクリプト生成に向けたサブゴールの調査
• Authors: Xinze Li, Yixin Cao, Muhao Chen, Aixin Sun
• Abstract要約: 目標指向のスクリプト生成は、与えられた目標を達成するためのステップのリストを生成する新しいタスクである。 本稿では,認知理論の観点からタスクを拡張することを提案する。
• 参考スコア（独自算出の注目度）: 41.79944184861954
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Goal-oriented Script Generation is a new task of generating a list of steps that can fulfill the given goal. In this paper, we propose to extend the task from the perspective of cognitive theory. Instead of a simple flat structure, the steps are typically organized hierarchically - Human often decompose a complex task into subgoals, where each subgoal can be further decomposed into steps. To establish the benchmark, we contribute a new dataset, propose several baseline methods, and set up evaluation metrics. Both automatic and human evaluation verify the high-quality of dataset, as well as the effectiveness of incorporating subgoals into hierarchical script generation. Furthermore, We also design and evaluate the model to discover subgoal, and find that it is a bit more difficult to decompose the goals than summarizing from segmented steps.
• Abstract（参考訳）: 目標指向のスクリプト生成は、与えられた目標を達成するためのステップのリストを生成する新しいタスクである。 本稿では,認知理論の観点からタスクを拡張することを提案する。 単純なフラットな構造の代わりに、ステップは通常階層的に構成される。人間はしばしば複雑なタスクをサブゴールに分解し、各サブゴールはさらにステップに分解される。 ベンチマークの確立のために,新しいデータセットのコントリビュート,いくつかのベースラインメソッドの提案,評価メトリクスのセットアップを行った。 自動評価と人的評価は、データセットの高品質さと、サブゴールを階層的なスクリプト生成に組み込むことの有効性を検証する。 さらに、サブゴールを発見するためのモデルの設計と評価を行い、セグメント化されたステップから要約するよりもゴールを分解することがもう少し難しいことを発見した。

関連論文リスト

• Learning Rational Subgoals from Demonstrations and Instructions [71.86713748450363]
  本稿では,新しい目標を達成するための効率的な長期計画を支援する有用なサブゴール学習フレームワークを提案する。 我々のフレームワークの中核は合理的なサブゴール(RSG)の集合であり、基本的には環境状態上の二項分類器である。 目標記述が与えられた場合、学習したサブゴールと派生した依存関係は、A*やRTといった既成の計画アルゴリズムを促進する。
  論文  参考訳（メタデータ） (2023-03-09T18:39:22Z)
• 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)
• Autoregressive Search Engines: Generating Substrings as Document Identifiers [53.0729058170278]
  自動回帰言語モデルは、回答を生成するデファクト標準として現れています。 これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。 本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
  論文  参考訳（メタデータ） (2022-04-22T10:45:01Z)
• Document-Level Text Simplification: Dataset, Criteria and Baseline [75.58761130635824]
  文書レベルのテキスト単純化の新しいタスクを定義し,検討する。 Wikipediaダンプに基づいて、我々はまずD-Wikipediaという大規模なデータセットを構築した。 本稿では,文書レベルの単純化作業に適したD-SARIと呼ばれる新しい自動評価指標を提案する。
  論文  参考訳（メタデータ） (2021-10-11T08:15:31Z)
• Hierarchical Policy for Non-prehensile Multi-object Rearrangement with Deep Reinforcement Learning and Monte Carlo Tree Search [30.31462739429364]
  本稿では,非包括的多目的再構成のための分割と征服のための階層的ポリシーを提案する。 高レベルポリシーでは、モンテカルロ木探索は複数のオブジェクト間の最適な再配置シーケンスを効率的に探索する。 低レベルポリシーでは、ロボットは経路プリミティブの順序に従って経路を計画し、目標に1つずつ近づくためにオブジェクトを操作する。
  論文  参考訳（メタデータ） (2021-09-18T17:24:37Z)
• Subgoal Search For Complex Reasoning Tasks [15.152111664776259]
  kSubSは学習されたサブゴールジェネレータで、解に近づき、達成可能なサブゴールの多様性を生み出す。 我々は,3つの挑戦的領域において,$k$-第2ステップのサブゴール生成という単純なアプローチが驚くほど効率的であることを示す。
  論文  参考訳（メタデータ） (2021-08-25T12:40:04Z)
• Leveraging Class Hierarchies with Metric-Guided Prototype Learning [5.070542698701158]
  多くの分類タスクでは、ターゲットクラスのセットは階層に分類できる。 この構造はクラス間の意味的距離を誘導し、コスト行列の形で要約することができる。 本稿では,この指標を原型ネットワークの監視に組み込むことにより,階層型クラス構造をモデル化することを提案する。
  論文  参考訳（メタデータ） (2020-07-06T20:22:08Z)
• Divide-and-Conquer Monte Carlo Tree Search For Goal-Directed Planning [78.65083326918351]
  暗黙的な逐次計画の仮定に代わるものを検討する。 本稿では,最適計画の近似を行うため,Divide-and-Conquer Monte Carlo Tree Search (DC-MCTS)を提案する。 計画順序に対するこのアルゴリズム的柔軟性は,グリッドワールドにおけるナビゲーションタスクの改善に繋がることを示す。
  論文  参考訳（メタデータ） (2020-04-23T18:08:58Z)

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。