論文の概要: Pointwise-in-Time Explanation for Linear Temporal Logic Rules
- arxiv url: http://arxiv.org/abs/2306.13956v1
- Date: Sat, 24 Jun 2023 13:07:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-27 18:01:21.450377
- Title: Pointwise-in-Time Explanation for Linear Temporal Logic Rules
- Title（参考訳）: 線形時相論理規則のポイントワイズインタイム説明
- Authors: Noel Brindise and Cedric Langbort
- Abstract要約: 本研究は,特定の経路計画において,個々の線形時間論理(LTL)制約の関連性を評価する枠組みを導入する。
離散時間離散空間設定で有限計画を実行するエージェントのステータスアセスメントアルゴリズムを特徴とするこのフレームワークを開発した。
- 参考スコア（独自算出の注目度）: 0.8122270502556371
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work introduces a framework to assess the relevance of individual linear
temporal logic (LTL) constraints at specific times in a given path plan, a task
we refer to as "pointwise-in-time" explanation. We develop this framework,
featuring a status assessment algorithm, for agents which execute finite plans
in a discrete-time, discrete-space setting expressible via a Kripke structure.
Given a plan on this structure and a set of LTL rules which are known to
constrain the agent, the algorithm responds to two types of user queries to
produce explanation. For the selected query time, explanations identify which
rules are active, which have just been satisfied, and which are inactive, where
the framework status criteria are formally and intuitively defined.
Explanations may also include the status of individual rule arguments to
provide further insight. In this paper, we systematically present this novel
framework and provide an example of its implementation.
- Abstract（参考訳）: 本研究は,特定の経路計画において,個々の時間における線形時間論理(LTL)制約の関連性を評価する枠組みを導入する。
Kripke構造を用いた離散時間離散空間設定で有限計画を実行するエージェントのステータスアセスメントアルゴリズムを特徴とするこのフレームワークを開発した。
この構造に関する計画と、エージェントを制約することで知られる一連のltlルールが与えられた後、アルゴリズムは2種類のユーザークエリに応答して説明を生成する。
選択されたクエリ時間には、フレームワークのステータス基準が形式的かつ直感的に定義されている場合、どのルールがアクティブで、満たしているか、どのルールが不アクティブかが説明される。
説明には、さらなる洞察を提供するために個々のルール引数のステータスも含まれる。
本稿では,この新フレームワークを体系的に提示し,その実装例を示す。
関連論文リスト
- UNIT: Unsupervised Online Instance Segmentation through Time [69.2787246878521]
クラスに依存しないオンラインインスタンスのセグメンテーションとトラッキングの問題に対処する。
オブジェクトのオンライントラッキングを可能にする新しいトレーニングレシピを提案する。
我々のネットワークは擬似ラベルで訓練されており、手動のアノテーションは不要である。
論文 参考訳（メタデータ） (2024-09-12T09:47:45Z) - LTLDoG: Satisfying Temporally-Extended Symbolic Constraints for Safe Diffusion-based Planning [12.839846486863308]
本研究では,新しい静的かつ時間的に拡張された制約/命令に準拠する長い水平軌道を生成することに焦点を当てる。
本稿では、線形時間論理を用いて指定された命令を与えられた逆プロセスの推論ステップを変更する、データ駆動拡散に基づくフレームワーク、 finiteDoGを提案する。
ロボットナビゲーションと操作の実験では、障害物回避と訪問シーケンスを指定する公式を満たす軌道を生成することができる。
論文 参考訳（メタデータ） (2024-05-07T11:54:22Z) - From Instructions to Constraints: Language Model Alignment with
Automatic Constraint Verification [70.08146540745877]
NLPタスクの共通制約を調査し、それらの引数の型に基づいて、それらを3つのクラスに分類する。
本稿では,ACT(ConsTraintsのアラインメント)という統合フレームワークを提案し,制約に適応したユーザアライメントのための監視信号を自動的に生成する。
論文 参考訳（メタデータ） (2024-03-10T22:14:54Z) - Foundation Policies with Hilbert Representations [54.44869979017766]
ラベルなしオフラインデータから一般ポリシーを事前学習するための教師なしフレームワークを提案する。
我々の重要な洞察は、基盤となる環境の時間的構造を保存する構造的表現を学習することである。
実験の結果、教師なしのポリシーは、ゴール条件付きおよび一般のRLタスクをゼロショットで解決できることがわかった。
論文 参考訳（メタデータ） (2024-02-23T19:09:10Z) - Tracking Objects and Activities with Attention for Temporal Sentence
Grounding [51.416914256782505]
時間文 (TSG) は、意味的に自然言語のクエリと一致した時間セグメントを、トリミングされていないセグメントでローカライズすることを目的としている。
本稿では,(A)マルチモーダル・検索空間を生成するクロスモーダル・ターゲット・ジェネレータと(B)マルチモーダル・ターゲットの動作を追跡し,クエリ関連セグメントを予測するテンポラル・センセント・トラッカーとを含む,新しいテンポラル・センセント・トラッカー・ネットワーク(TSTNet)を提案する。
論文 参考訳（メタデータ） (2023-02-21T16:42:52Z) - Weakly-Supervised Spatio-Temporal Anomaly Detection in Surveillance
Video [128.41392860714635]
Weakly-Supervised Snoma-Temporally Detection (WSSTAD) を監視ビデオに導入する。
WSSTADは異常事象を封止する時空間管(すなわち連続する境界ボックスのシーケンス)をローカライズすることを目的としている。
本稿では,空間的・時間的領域に複数粒度を持つ入力提案を行うデュアルブランチネットワークを提案する。
論文 参考訳（メタデータ） (2021-08-09T06:11:14Z) - LTL-Constrained Steady-State Policy Synthesis [0.0]
マルコフ決定プロセス(MDP)とこれらすべての型を組み合わせた仕様について検討する。
マルチタイプの仕様を多次元の長期平均報酬に還元する統合ソリューションを提供する。
このアルゴリズムは一般の$omega$-regularプロパティにも拡張され、LDBAと同様にMDPのサイズで実行されます。
論文 参考訳（メタデータ） (2021-05-31T11:35:42Z) - Multi-Agent Reinforcement Learning with Temporal Logic Specifications [65.79056365594654]
本研究では,時間論理仕様を満たすための学習課題を,未知の環境下でエージェントのグループで検討する。
我々は、時間論理仕様のための最初のマルチエージェント強化学習手法を開発した。
主アルゴリズムの正確性と収束性を保証する。
論文 参考訳（メタデータ） (2021-02-01T01:13:03Z) - Verifiable Planning in Expected Reward Multichain MDPs [20.456052208569115]
エージェントの意思決定方針を導出する定常計画問題について検討する。
提案プログラムに対する最適解が、厳密な行動保証を伴う定常的な政策をもたらすことを証明した。
論文 参考訳（メタデータ） (2020-12-03T18:54:24Z) - Towards Learning Instantiated Logical Rules from Knowledge Graphs [20.251630903853016]
本稿では,知識グラフから一階述語論理規則を抽出するために最適化された確率論的学習ルールGPFLを提案する。
GPFLは、抽出された経路を非循環的な抽象規則であるテンプレートに一般化する新しい2段階ルール生成機構を利用する。
オーバーフィッティングルールの存在、予測性能への影響、およびオーバーフィッティングルールをフィルタリングする単純なバリデーション手法の有効性を明らかにする。
論文 参考訳（メタデータ） (2020-03-13T00:32:46Z)
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。