論文の概要: Task tree retrieval from FOON using search algorithms
- arxiv url: http://arxiv.org/abs/2401.05346v1
- Date: Sat, 2 Dec 2023 05:00:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 09:10:41.304993
- Title: Task tree retrieval from FOON using search algorithms
- Title（参考訳）: 探索アルゴリズムを用いたFOONからのタスクツリー検索
- Authors: Amitha Attapu
- Abstract要約: 可能なすべてのタスクの指示をロボットに提供することはほとんど不可能です。
We have a Universal Functional Object-oriented Network (FOON) which was created and expanded。
目標ノードと所与のキッチンアイテムのタスクツリーを検索するために,2つのアルゴリズム(IDSとGBFS)を用いる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robots can be very useful to automate tasks and reduce the human effort
required. But for the robot to know, how to perform tasks, we need to give it a
clear set of steps to follow. It is nearly impossible to provide a robot with
instructions for every possible task. Therefore we have a Universal Functional
object-oriented network (FOON) which was created and expanded and has a lot of
existing recipe information [1]. But certain tasks are complicated for robots
to perform and similarly, some tasks are complicated for humans to perform.
Therefore weights have been added to functional units to represent the chance
of successful execution of the motion by the robot [2]. Given a set of kitchen
items and a goal node, using Universal FOON, a robot must be able to determine
if the required items are present in the kitchen, and if yes, get the steps to
convert the required kitchen items to the goal node. Now through this paper, we
use two algorithms (IDS and GBFS) to retrieve a task tree (if possible) for a
goal node and a given set of kitchen items. The following would be the
different parts of the paper: Section II FOON creation, where we will discuss
the different terminologies related to FOON and visualization of FOON. In
Section III Methodology we discuss the IDS and GBFS search algorithms and the
two different heuristics implemented and used in GBFS. In Section IV
Experiment/Discussion, we compare the performance of different algorithms. In
the final section V, we specify the references of the papers that have been
cited.
- Abstract（参考訳）: ロボットはタスクの自動化や人的労力の削減に非常に有用である。
しかし、ロボットがタスクの実行方法を知るためには、それに従うための明確なステップセットを与える必要があります。
あらゆるタスクの指示をロボットに提供することはほぼ不可能である。
そこで我々は,既存のレシピ情報 [1] を多数備えた,Universal Functional Object-oriented Network (FOON) を構築して拡張した。
しかし、ロボットが実行するタスクは複雑であり、同様に、人間が実行するタスクも複雑である。
したがって、ロボットが動きを成功させる可能性を表すために、機能ユニットに重みが加えられた [2]。
キッチンアイテムとゴールノードのセットが与えられた場合、ユニバーサルフォオンを使用して、ロボットは、必要なアイテムがキッチンに存在しているかどうかを判断できなければならず、もしそうなら、必要なキッチンアイテムをゴールノードに変換するステップを取得する必要がある。
本稿では,2つのアルゴリズム(idsとgbfs)を用いて,目標ノードのタスクツリー(可能であれば)とキッチンアイテムのセットを取得する。
第2節 フォオンの作成、そこではフォオンに関連する用語とフォオンの可視化について論じる。
第III節では、IDSとGBFSの探索アルゴリズムと、GBFSで実装され使用されている2つの異なるヒューリスティックについて論じる。
第4節では,異なるアルゴリズムの性能を比較した。
最終節 V では、引用された論文の参照を指定する。
関連論文リスト
- COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。
提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。
実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2024-09-23T15:53:41Z) - Task Tree Retrieval For Robotic Cooking [0.0]
本論文は,与えられた目標ノードに対するタスクツリー計画を生成する,異なるアルゴリズムの開発に基づく。
料理の知識表現はFOONと呼ばれ、異なるオブジェクトとそれらの間のそれぞれをモーションノードに格納する。
論文 参考訳（メタデータ） (2023-11-27T20:41:21Z) - Learning Reward Functions for Robotic Manipulation by Observing Humans [92.30657414416527]
我々は、ロボット操作ポリシーのタスク非依存報酬関数を学習するために、幅広い操作タスクを解く人間のラベル付きビデオを使用する。
学習された報酬は、タイムコントラストの目的を用いて学習した埋め込み空間におけるゴールまでの距離に基づいている。
論文 参考訳（メタデータ） (2022-11-16T16:26:48Z) - Extracting task trees using knowledge retrieval search algorithms in
functional object-oriented network [0.0]
機能的オブジェクト指向ネットワーク(FOON)はロボットが利用できる知識表現法として開発されている。
FOONは、ロボットがタスクツリーを取得するための順序付けられた計画を提供するグラフとして見ることができる。
論文 参考訳（メタデータ） (2022-11-15T17:20:08Z) - Knowledge Retrieval for Robotic Cooking [0.0]
機能的オブジェクト指向ネットワークにおける検索アルゴリズム開発の背後にある動機は、ほとんどの場合、特定のレシピを検索するか、特定のレシピの材料を判断する必要があることである。
本稿では,ロボットと人間が複雑なタスクを一緒に完了させるための重み付きFOONとタスク計画アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-11-08T19:40:27Z) - Knowledge Retrieval [0.0]
本稿では主に,入力出力と動作ノードを用いた知識表現を構造化した関数型オブジェクト指向ネットワークに焦点をあてる。
本論文では,最適な出力を得るために木を横断する異なるアルゴリズムについても論じる。
論文 参考訳（メタデータ） (2022-10-22T20:41:09Z) - Long-Horizon Planning and Execution with Functional Object-Oriented
Networks [79.94575713911189]
タスク計画と実行のためのFOONとしてオブジェクトレベルの知識を活用するというアイデアを紹介します。
提案手法では,FOONをPDDLに自動変換し,市販のプランナ,アクションコンテキスト,ロボットスキルを活用する。
我々はCoppeliaSimの長期タスクに対するアプローチを実証し、学習されたアクションコンテキストを、これまで見たことのないシナリオにどのように拡張できるかを示す。
論文 参考訳（メタデータ） (2022-07-12T19:29:35Z) - Fast Inference and Transfer of Compositional Task Structures for
Few-shot Task Generalization [101.72755769194677]
本稿では,タスクがサブタスクグラフによって特徴づけられる,数発の強化学習問題として定式化する。
我々のマルチタスクサブタスクグラフ推論器(MTSGI)は、トレーニングタスクから、まず、サブタスクグラフの観点から、一般的なハイレベルなタスク構造を推測する。
提案手法は,2次元グリッドワールドおよび複雑なWebナビゲーション領域において,タスクの共通基盤構造を学習し,活用し,未知のタスクへの適応を高速化する。
論文 参考訳（メタデータ） (2022-05-25T10:44:25Z) - Can Foundation Models Perform Zero-Shot Task Specification For Robot
Manipulation? [54.442692221567796]
タスク仕様は、熟練していないエンドユーザの関与とパーソナライズされたロボットの採用に不可欠である。
タスク仕様に対する広く研究されているアプローチは、目標を通じて、コンパクトな状態ベクトルまたは同じロボットシーンのゴールイメージを使用することである。
そこで本研究では,人間の指定や使用が容易な目標仕様の代替的,より汎用的な形式について検討する。
論文 参考訳（メタデータ） (2022-04-23T19:39:49Z) - A Road-map to Robot Task Execution with the Functional Object-Oriented
Network [77.93376696738409]
関数型オブジェクト指向ネットワーク(FOON)はロボットの知識グラフ表現である。
FOONは、二部グラフの形で、ロボットの環境やタスクに対する理解に関係のある象徴的あるいは高レベルな情報を含んでいる。
論文 参考訳（メタデータ） (2021-06-01T00:43:04Z)
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。