論文の概要: Lifted Sequential Planning with Lazy Constraint Generation Solvers

• arxiv url: http://arxiv.org/abs/2307.08242v1
• Date: Mon, 17 Jul 2023 04:54:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-18 14:43:35.443851
• Title: Lifted Sequential Planning with Lazy Constraint Generation Solvers
• Title（参考訳）: 遅延制約生成解を用いたリフテッドシーケンス計画
• Authors: Anubhav Singh, Miquel Ramirez, Nir Lipovetzky, and Peter J. Stuckey
• Abstract要約: 本稿では,Lzy Clause Generation(LCG)に基づく制約プログラミング(CP)へのアプローチを用いて,オープンな可能性について検討する。 本稿では,いわゆるリフト型因果エンコーディングに基づく新しいCPモデルを提案する。 提案手法は,計画手順の少ない計画インスタンスに対して,最適な逐次計画における最先端の手法と非常によく比較可能であることを報告する。
• 参考スコア（独自算出の注目度）: 28.405198103927955
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper studies the possibilities made open by the use of Lazy Clause Generation (LCG) based approaches to Constraint Programming (CP) for tackling sequential classical planning. We propose a novel CP model based on seminal ideas on so-called lifted causal encodings for planning as satisfiability, that does not require grounding, as choosing groundings for functions and action schemas becomes an integral part of the problem of designing valid plans. This encoding does not require encoding frame axioms, and does not explicitly represent states as decision variables for every plan step. We also present a propagator procedure that illustrates the possibilities of LCG to widen the kind of inference methods considered to be feasible in planning as (iterated) CSP solving. We test encodings and propagators over classic IPC and recently proposed benchmarks for lifted planning, and report that for planning problem instances requiring fewer plan steps our methods compare very well with the state-of-the-art in optimal sequential planning.
• Abstract（参考訳）: 本稿では,遅延節生成 (lcg) に基づく制約プログラミング (cp) の手法を用いて,逐次的古典的計画に取り組む可能性について検討する。 本稿では,機能と動作スキーマの接地の選択が有効な計画の設計問題に不可欠な部分となるため,計画の満足度を必要としない,いわゆるリフト因果エンコーディングの独創的なアイデアに基づく新しいcpモデルを提案する。 この符号化はフレーム公理を符号化する必要がなく、計画ステップごとに状態が決定変数として明示的に表現されるわけではない。 また,LCGがCSP解決の計画において実現可能であると考えられる推論手法を拡大する可能性を示すプロパゲータ手法を提案する。 我々は古典的IPC上でエンコーディングとプロパゲータをテストし、最近、リフトドプランニングのベンチマークを提案し、計画手順を少なくする計画ケースについて、最適なシーケンシャルプランニングにおける最先端の手法と比較した。

関連論文リスト

• Improving Plan Execution Flexibility using Block-Substitution [0.0]
  AI計画における部分順序プランは、制約の少ない性質のため、実行の柔軟性を促進する。 プランの順序変更は、計画内の不要なアクション順序を削除し、プランの順序変更は、アクション順序の最小化のために任意に修正する。 本研究は,従来の計画整理・順序変更戦略とは対照的に,計画外の行動に代えて計画の柔軟性を向上させる。
  論文  参考訳（メタデータ） (2024-06-05T09:30:48Z)
• LLM-Assist: Enhancing Closed-Loop Planning with Language-Based Reasoning [65.86754998249224]
  従来のルールベースプランナとLCMベースのプランナを併用した,新しいハイブリッドプランナを開発した。 当社のアプローチでは,既存のプランナが苦労する複雑なシナリオをナビゲートし,合理的なアウトプットを生成すると同時に,ルールベースのアプローチと連携して作業する。
  論文  参考訳（メタデータ） (2023-12-30T02:53:45Z)
• Unified Task and Motion Planning using Object-centric Abstractions of Motion Constraints [56.283944756315066]
  本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。 我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
  論文  参考訳（メタデータ） (2023-12-29T14:00:20Z)
• 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)
• Capturing (Optimal) Relaxed Plans with Stable and Supported Models of Logic Programs [4.020523898765405]
  計画問題を考えると、この問題の緩和計画を作成するために命令された全てのアクションのサブセットは、論理プログラムの安定なモデルでキャプチャできることを示す。 そこで我々は,緩和計画問題の1つの因果的および1つの診断的エンコーディングを論理プログラムとして導入し,両者が支持するモデルを用いて緩和計画のキャプチャを行う。
  論文  参考訳（メタデータ） (2023-06-08T09:34:38Z)
• AdaPlanner: Adaptive Planning from Feedback with Language Models [56.367020818139665]
  大規模言語モデル(LLM)は、最近、シーケンシャルな意思決定タスクの自律的エージェントとして機能する可能性を実証している。 本研究では,LLMエージェントが環境フィードバックに応じて自己生成計画を適応的に改善することのできるクローズドループアプローチであるAdaPlannerを提案する。 幻覚を緩和するために,様々なタスク,環境,エージェント機能にまたがる計画生成を容易にするコードスタイルのLCMプロンプト構造を開発した。
  論文  参考訳（メタデータ） (2023-05-26T05:52:27Z)
• Extended Task and Motion Planning of Long-horizon Robot Manipulation [28.951816622135922]
  タスクとモーション計画(TAMP)には、シンボリック推論とメトリックモーション計画の統合が必要です。 ほとんどのtampアプローチは、シンボリックレベルで環境に関する知識が欠けている場合、実現可能なソリューションを提供しない。 本稿では,計画骨格と行動パラメータに対する決定空間の拡張に関する新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2021-03-09T14:44:08Z)
• 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)
• STRIPS Action Discovery [67.73368413278631]
  近年のアプローチでは、すべての中間状態が欠如している場合でも、アクションモデルを合成する古典的な計画が成功している。 アクションシグネチャが不明な場合に,従来のプランナーを用いてSTRIPSアクションモデルを教師なしで合成するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-30T17:08:39Z)

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。