論文の概要: Towards a Model of Puzznic

• arxiv url: http://arxiv.org/abs/2310.01503v1
• Date: Mon, 2 Oct 2023 18:00:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-04 19:37:07.699168
• Title: Towards a Model of Puzznic
• Title（参考訳）: パズルのモデルに向けて
• Authors: Joan Espasa and Ian P. Gent and Ian Miguel and Peter Nightingale and Andr\'as Z. Salamon and Mateu Villaret
• Abstract要約: ブロックの整合によってグリッドをクリアする動きのシーケンスをプレイヤーが計画する必要があるビデオゲームであるPuzznicのモデル化と解決の進歩について報告する。 少数のベンチマークインスタンスに対して,計画手法と3つの制約プログラミング手法を比較した。 現在、計画手法は制約プログラミング手法よりも優れているが、制約モデルを改善するための提案の概要を概説する。
• 参考スコア（独自算出の注目度）: 1.4819845435373393
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We report on progress in modelling and solving Puzznic, a video game requiring the player to plan sequences of moves to clear a grid by matching blocks. We focus here on levels with no moving blocks. We compare a planning approach and three constraint programming approaches on a small set of benchmark instances. The planning approach is at present superior to the constraint programming approaches, but we outline proposals for improving the constraint models.
• Abstract（参考訳）: ブロックの整合によってグリッドをクリアする動きのシーケンスをプレイヤーが計画する必要があるビデオゲームであるPuzznicのモデル化と解決の進歩について報告する。 ここで動くブロックのないレベルにフォーカスします。 ベンチマークインスタンスの小さなセットで,計画手法と3つの制約プログラミング手法を比較した。 現在,計画手法は制約プログラミング手法よりも優れているが,制約モデルを改善するための提案を概説する。

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)
• Compositional Foundation Models for Hierarchical Planning [52.18904315515153]
  本稿では,言語,視覚,行動データを個別に訓練し,長期的課題を解決するための基礎モデルを提案する。 我々は,大規模なビデオ拡散モデルを用いて,環境に根ざした記号的計画を構築するために,大規模言語モデルを用いている。 生成したビデオプランは、生成したビデオからアクションを推論する逆ダイナミクスモデルを通じて、視覚運動制御に基礎を置いている。
  論文  参考訳（メタデータ） (2023-09-15T17:44:05Z)
• Lifted Sequential Planning with Lazy Constraint Generation Solvers [28.405198103927955]
  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。
  論文  参考訳（メタデータ） (2023-07-17T04:54:58Z)
• Hierarchical Imitation Learning with Vector Quantized Models [77.67190661002691]
  我々は,専門家の軌跡におけるサブゴールの同定に強化学習を用いることを提案する。 同定されたサブゴールに対するベクトル量子化生成モデルを構築し,サブゴールレベルの計画を行う。 実験では、このアルゴリズムは複雑な長い水平決定問題の解法に優れ、最先端のアルゴリズムよりも優れている。
  論文  参考訳（メタデータ） (2023-01-30T15:04:39Z)
• Simultaneous Contact-Rich Grasping and Locomotion via Distributed Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
  移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。 ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
  論文  参考訳（メタデータ） (2022-07-04T13:52:10Z)
• A Preliminary Case Study of Planning With Complex Transitions: Plotting [3.3546257721153716]
  プロッティング』(Plotting)は、1989年にタイトーから発売されたパズルゲーム。 我々は,Plotting問題の制約モデルを提案し,評価する。 また,PDDLにおけるプロッティングのモデル化の困難さと非効率性についても論じる。
  論文  参考訳（メタデータ） (2021-10-27T12:52:17Z)
• Sufficiently Accurate Model Learning for Planning [119.80502738709937]
  本稿では,制約付きSufficiently Accurateモデル学習手法を提案する。 これはそのような問題の例を示し、いくつかの近似解がいかに近いかという定理を提示する。 近似解の質は、関数のパラメータ化、損失と制約関数の滑らかさ、モデル学習におけるサンプルの数に依存する。
  論文  参考訳（メタデータ） (2021-02-11T16:27:31Z)
• Learning Equality Constraints for Motion Planning on Manifolds [10.65436139155865]
  深層ニューラルネットワークを用いた実演から制約の表現を学習する問題について考察する。 鍵となる考え方は、制約付きサンプリングベースのモーションプランナに統合に適した制約のレベルセット関数を学習することである。 学習した制約と分析的に記述された制約の両方をプランナーに組み合わせ、プロジェクションベースの戦略を使って有効点を見つけます。
  論文  参考訳（メタデータ） (2020-09-24T17:54:28Z)
• 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。