論文の概要: Enhancing Temporal Planning Domains by Sequential Macro-actions
(Extended Version)
- arxiv url: http://arxiv.org/abs/2307.12081v1
- Date: Sat, 22 Jul 2023 13:50:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-25 18:09:17.646311
- Title: Enhancing Temporal Planning Domains by Sequential Macro-actions
(Extended Version)
- Title（参考訳）: 時系列マクロアクションによる時間計画領域の強化(拡張版)
- Authors: Marco De Bortoli, Luk\'a\v{s} Chrpa, Martin Gebser and Gerald
Steinbauer-Wagner
- Abstract要約: 時間計画は、行動の同時実行と時間的制約との整合を含む古典的な計画の拡張である。
我々の研究は、得られた計画の適用性を保証するシーケンシャルな時間的マクロアクションの一般的な概念に貢献している。
本実験は,テストプランナーとドメインの大部分の計画品質だけでなく,得られた満足度プランも改善した。
- 参考スコア（独自算出の注目度）: 2.064612766965483
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Temporal planning is an extension of classical planning involving concurrent
execution of actions and alignment with temporal constraints. Durative actions
along with invariants allow for modeling domains in which multiple agents
operate in parallel on shared resources. Hence, it is often important to avoid
resource conflicts, where temporal constraints establish the consistency of
concurrent actions and events. Unfortunately, the performance of temporal
planning engines tends to sharply deteriorate when the number of agents and
objects in a domain gets large. A possible remedy is to use macro-actions that
are well-studied in the context of classical planning. In temporal planning
settings, however, introducing macro-actions is significantly more challenging
when the concurrent execution of actions and shared use of resources, provided
the compliance to temporal constraints, should not be suppressed entirely. Our
work contributes a general concept of sequential temporal macro-actions that
guarantees the applicability of obtained plans, i.e., the sequence of original
actions encapsulated by a macro-action is always executable. We apply our
approach to several temporal planners and domains, stemming from the
International Planning Competition and RoboCup Logistics League. Our
experiments yield improvements in terms of obtained satisficing plans as well
as plan quality for the majority of tested planners and domains.
- Abstract（参考訳）: 時間計画は、行動の実行と時間的制約との整合を伴う古典的な計画の拡張である。
永続的アクションと不変性により、複数のエージェントが共有リソース上で並列に動作するドメインのモデリングが可能になる。
したがって、時間的制約が同時アクションとイベントの一貫性を確立する場合、リソースの衝突を避けることがしばしば重要である。
残念ながら、時間的計画エンジンの性能は、ドメイン内のエージェントやオブジェクトの数が大きくなると著しく低下する傾向にある。
考えられる治療法は、古典的な計画の文脈でよく研究されているマクロアクションを使用することである。
しかし、時間的制約に従えば、アクションの同時実行とリソースの共有利用が完全に抑制されるべきではない場合、時間的計画設定ではマクロアクションの導入は極めて困難である。
我々の研究は、得られた計画の適用性を保証するシーケンシャルな時間的マクロアクションの一般的な概念、すなわち、マクロアクションによってカプセル化された元のアクションのシーケンスは常に実行可能である。
我々は,国際計画コンペティションとロボカップロジスティクスリーグを起源とする,時間的プランナーとドメインにアプローチを適用する。
本実験は,テストプランナーとドメインの大部分の計画品質だけでなく,得られた満足度プランも改善した。
関連論文リスト
- Unlocking Reasoning Potential in Large Langauge Models by Scaling Code-form Planning [94.76546523689113]
CodePlanは、テキストコード形式の計画を生成し、追跡するフレームワークで、高いレベルの構造化された推論プロセスの概要を擬似コードで示します。
CodePlanは、洗練された推論タスク固有のリッチなセマンティクスと制御フローを効果的にキャプチャする。
反応を直接生成するのに比べて25.1%の相対的な改善が達成されている。
論文 参考訳（メタデータ） (2024-09-19T04:13:58Z) - Improving Execution Concurrency in Partial-Order Plans via Block-Substitution [0.0]
部分順序計画 (Partial-Order Plan, POP) は2つのアクションを相互に順序付けせずに実現し、異なるシーケンスでのアクション実行の柔軟性を提供する。
この研究は、POPを並列計画に変換する非並行制約の条件を定式化する。
本アルゴリズムでは,ブロック内のコヒーレントな動作をカプセル化することにより,POPの順序付けを排除し,置換の候補部分計画としてブロックを利用する。
論文 参考訳（メタデータ） (2024-06-25T23:36:13Z) - Task and Motion Planning for Execution in the Real [24.01204729304763]
この作業は、作業を含むタスクと動作の計画を生成するが、計画時には完全には理解できない。
実行は、タスク目標に到達するまでオフラインで計画された動きとオンライン行動を組み合わせる。
提案したフレームワークを評価するために,40の実ロボット試験とモチベーション実証を行った。
その結果、実行時間が短縮され、アクションの数が少なくなり、さまざまなギャップが生じる問題の成功率が向上した。
論文 参考訳（メタデータ） (2024-06-05T22:30:40Z) - 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) - Skip-Plan: Procedure Planning in Instructional Videos via Condensed
Action Space Learning [85.84504287685884]
Skip-Plan(スキップ・プラン)は、訓練ビデオにおけるプロシージャ計画のための凝縮された行動空間学習法である。
アクションチェーン内の不確実なノードやエッジをスキップすることで、長いシーケンス関数と複雑なシーケンス関数を短いが信頼できるものに転送する。
我々のモデルは、凝縮された作用空間内のアクションシーケンス内で、あらゆる種類の信頼できる部分関係を探索する。
論文 参考訳（メタデータ） (2023-10-01T08:02:33Z) - AI planning in the imagination: High-level planning on learned abstract
search spaces [68.75684174531962]
我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。
本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
論文 参考訳（メタデータ） (2023-08-16T22:47:16Z) - Optimal task and motion planning and execution for human-robot
multi-agent systems in dynamic environments [54.39292848359306]
本稿では,タスクのシーケンシング,割り当て,実行を最適化するタスクと動作計画の組み合わせを提案する。
このフレームワークはタスクとアクションの分離に依存しており、アクションはシンボル的タスクの幾何学的実現の可能な1つの可能性である。
ロボットアームと人間の作業員がモザイクを組み立てる共同製造シナリオにおけるアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2023-03-27T01:50:45Z) - Safe-Planner: A Single-Outcome Replanner for Computing Strong Cyclic
Policies in Fully Observable Non-Deterministic Domains [0.22940141855172028]
我々は、古典的ドメインの集合に非決定論的ドメインをコンパイルするために、単一出力決定に依存する、Safe-Plannerと呼ばれるオフラインのリプランナーを導入する。
実験により,この手法により,SPは誤った計画の生成を回避できるが,強い解に直結する弱い計画を生成することができることを示した。
論文 参考訳（メタデータ） (2021-09-23T16:20:35Z) - Efficient Temporal Piecewise-Linear Numeric Planning with Lazy
Consistency Checking [4.834203844100679]
本稿では,プランナがLP整合性チェックを可能な限り遅延的に計算できる手法を提案する。
また,時間依存ゴールチェックをより選択的に行うアルゴリズムを提案する。
結果として得られるプランナーは、より効率的であるだけでなく、最先端の時間数値とハイブリッドプランナーよりも優れています。
論文 参考訳（メタデータ） (2021-05-21T07:36:54Z) - Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal
Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。
都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文 参考訳（メタデータ） (2020-05-27T01:10:41Z) - 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。