Fugu-MT 論文翻訳(概要): Plausibility-Based Heuristics for Latent Space Classical Planning

論文の概要: Plausibility-Based Heuristics for Latent Space Classical Planning

arxiv url: http://arxiv.org/abs/2306.11434v1
Date: Tue, 20 Jun 2023 10:26:29 GMT
ステータス: 処理完了
システム内更新日: 2023-06-21 14:42:30.659925
Title: Plausibility-Based Heuristics for Latent Space Classical Planning
Title（参考訳）: 潜在空間古典計画のための可能性に基づくヒューリスティックス
Authors: Yuta Takata and Alex Fukunaga
Abstract要約: 可塑性に基づくヒューリスティックスは, 画像ベースタイルパズルタワーの有効計画数を大幅に増加させることを示す。
参考スコア（独自算出の注目度）: 7.538482310185133
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent work on LatPlan has shown that it is possible to learn models for domain-independent classical planners from unlabeled image data. Although PDDL models acquired by LatPlan can be solved using standard PDDL planners, the resulting latent-space plan may be invalid with respect to the underlying, ground-truth domain (e.g., the latent-space plan may include hallucinatory/invalid states). We propose Plausibility-Based Heuristics, which are domain-independent plausibility metrics which can be computed for each state evaluated during search and uses as a heuristic function for best-first search. We show that PBH significantly increases the number of valid found plans on image-based tile puzzle and Towers of Hanoi domains.
Abstract（参考訳）: LatPlanに関する最近の研究は、未ラベル画像データからドメインに依存しない古典的プランナーのモデルを学ぶことができることを示した。 LatPlanによって取得されたPDDLモデルは標準のPDDLプランナーを使って解決できるが、結果として生じる潜在空間プランは、基礎となる基底構造ドメイン(例えば、潜在空間プランは幻覚/無効状態を含む)に関して無効である可能性がある。本稿では,探索中に評価された各状態に対して計算可能な,領域非依存な可算性指標である可算性に基づくヒューリスティックスを提案し,最上位探索のためのヒューリスティック関数として用いる。 PBHは画像ベースタイルパズルとハノイ藩タワーの有効計画数を大幅に増加させることを示した。

関連論文リスト

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)
Flashpoints Signal Hidden Inherent Instabilities in Land-Use Planning [0.0]
汎用的な計画基準を持つ最適化に基づく計画手法は、不安定な「フラッシュポイント」を連続的に生成することを示す。我々は「草地」と呼ぶ土地利用形態の曖昧さの地域を不安定が引き起こすことを示す。
論文参考訳（メタデータ） (2023-08-15T11:47:16Z)
Planning as Theorem Proving with Heuristics [1.3706331473063877]
状況計算で証明された定理としての計画は50年前に不可能なプロジェクトとして放棄された。我々は,A*探索を用いて,状況のツリー内のプランを探索するTheorem Proving Lifted Heuristic Plannerを開発した。
論文参考訳（メタデータ） (2023-03-23T19:52:30Z)
FloorGenT: Generative Vector Graphic Model of Floor Plans for Robotics [5.71097144710995]
フロアプランを特定の視点から見たラインセグメントのシーケンスとしてモデル化することにより、最近の自己回帰シーケンスモデリングの進歩をフロアプランのモデル化と予測に活用できることが示される。
論文参考訳（メタデータ） (2022-03-07T13:42:48Z)
Visual Learning-based Planning for Continuous High-Dimensional POMDPs [81.16442127503517]
Visual Tree Search (VTS)は、オフラインで学習した生成モデルとオンラインモデルベースのPOMDP計画を組み合わせた学習と計画の手順である。 VTSは、モンテカルロの木探索プランナーにおける画像観測の可能性を予測し評価するために、一連の深部生成観測モデルを利用することで、オフラインモデルトレーニングとオンラインプランニングを橋渡しする。 VTSは、異なる観測ノイズに対して堅牢であり、オンラインのモデルベースプランニングを利用するため、再トレーニングを必要とせずに、異なる報酬構造に適応できることを示す。
論文参考訳（メタデータ） (2021-12-17T11:53:31Z)
Differentiable Spatial Planning using Transformers [87.90709874369192]
本研究では、長距離空間依存を計画して行動を生成する障害マップを与えられた空間計画変換器(SPT)を提案する。エージェントが地上の真理マップを知らない環境では、エンド・ツー・エンドのフレームワークで事前訓練されたSPTを利用する。 SPTは、操作タスクとナビゲーションタスクの両方のすべてのセットアップにおいて、最先端の差別化可能なプランナーよりも優れています。
論文参考訳（メタデータ） (2021-12-02T06:48:16Z)
Learning Models as Functionals of Signed-Distance Fields for Manipulation Planning [51.74463056899926]
本研究では,シーン内のオブジェクトを表す符号付き距離場の目的を学習する,最適化に基づく操作計画フレームワークを提案する。オブジェクトを符号付き距離場として表現することは、ポイントクラウドや占有率の表現よりも高い精度で、様々なモデルの学習と表現を可能にする。
論文参考訳（メタデータ） (2021-10-02T12:36:58Z)
Classical Planning in Deep Latent Space [33.06766829037679]
Latplanは、ディープラーニングと古典的計画を組み合わせた教師なしアーキテクチャである。ラトプランは、象徴的な潜在空間における目標状態への計画を見つけ、視覚化された計画実行を返します。
論文参考訳（メタデータ） (2021-06-30T21:31:21Z)
Plan2Vec: Unsupervised Representation Learning by Latent Plans [106.37274654231659]
Plan2vecは、強化学習にインスパイアされた教師なしの表現学習手法である。 Plan2vecは、近距離を用いて画像データセット上に重み付きグラフを構築し、その局所距離を、計画された経路上の経路積分を蒸留することによって、大域的な埋め込みに外挿する。 1つのシミュレーションと2つの実世界の画像データセットに対する Plan2vec の有効性を実証する。
論文参考訳（メタデータ） (2020-05-07T17:52:23Z)
Hallucinative Topological Memory for Zero-Shot Visual Planning [86.20780756832502]
視覚計画(VP)では、エージェントは、オフラインで取得した動的システムの観察から目標指向の振る舞いを計画することを学ぶ。以前のVPに関するほとんどの研究は、学習された潜在空間で計画することでこの問題にアプローチし、結果として品質の低い視覚計画を生み出した。本稿では,画像空間を直接計画し,競合性能を示すシンプルなVP手法を提案する。
論文参考訳（メタデータ） (2020-02-27T18:54:42Z)

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。