論文の概要: Some Orders Are Important: Partially Preserving Orders in Top-Quality Planning
- arxiv url: http://arxiv.org/abs/2404.01503v1
- Date: Mon, 1 Apr 2024 22:10:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-03 20:27:20.486613
- Title: Some Orders Are Important: Partially Preserving Orders in Top-Quality Planning
- Title（参考訳）: いくつかの順序が重要:トップクオリティプランニングにおける順序を部分的に保存する
- Authors: Michael Katz, Junkyu Lee, Jungkoo Kang, Shirin Sohrabi,
- Abstract要約: 本稿では,上位品質と非下位品質の計画課題を補間し,その間の順序が重要なアクションのサブセットを指定することを提案する。
我々は,この新たな計算問題に対処するために,部分順序の削減探索プルーニング手法を適用する方法について検討する。
- 参考スコア（独自算出の注目度）: 15.20541905857507
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The ability to generate multiple plans is central to using planning in real-life applications. Top-quality planners generate sets of such top-cost plans, allowing flexibility in determining equivalent ones. In terms of the order between actions in a plan, the literature only considers two extremes -- either all orders are important, making each plan unique, or all orders are unimportant, treating two plans differing only in the order of actions as equivalent. To allow flexibility in selecting important orders, we propose specifying a subset of actions the orders between which are important, interpolating between the top-quality and unordered top-quality planning problems. We explore the ways of adapting partial order reduction search pruning techniques to address this new computational problem and present experimental evaluations demonstrating the benefits of exploiting such techniques in this setting.
- Abstract（参考訳）: 複数のプランを生成する能力は、実際のアプリケーションで計画を使用することの中心である。
最高品質プランナーは、このようなトップコストプランのセットを生成し、同等のプランを決定する柔軟性を実現する。
計画における行動間の順序に関して、文献は2つの極端のみを考慮し、全ての命令が重要であるか、各計画がユニークであるか、または全ての命令が重要でないかのいずれかであり、行動の順序でのみ異なる2つの計画を扱う。
重要な順序を選択する際の柔軟性を確保するために,重要な順序のサブセットを指定することを提案し,上位品質と下位品質の計画課題を補間する。
我々は,この新たな計算問題に対処するために,部分順序減級探索プルーニング手法を適用する方法について検討し,その利点を実証する実験的な評価を行った。
関連論文リスト
- 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) - 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) - Experiment Planning with Function Approximation [49.50254688629728]
本研究では,文脈的帯域幅問題における関数近似を用いた実験計画の問題点について検討する。
本稿では,関数近似に適合する2つの実験計画戦略を提案する。
そこで, 均一サンプリング器は, 動作数が少ない設定において, 競合最適性を達成できることを示す。
論文 参考訳（メタデータ） (2024-01-10T14:40:23Z) - 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) - Learning adaptive planning representations with natural language
guidance [90.24449752926866]
本稿では,タスク固有の計画表現を自動構築するフレームワークであるAdaについて述べる。
Adaは、プランナー互換の高レベルアクション抽象化と、特定の計画タスク領域に適応した低レベルコントローラのライブラリを対話的に学習する。
論文 参考訳（メタデータ） (2023-12-13T23:35:31Z) - 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) - Reinforcement Learning with Success Induced Task Prioritization [68.8204255655161]
本稿では,自動カリキュラム学習のためのフレームワークであるSuccess induced Task Prioritization (SITP)を紹介する。
アルゴリズムはエージェントに最速の学習を提供するタスクの順序を選択する。
我々は,SITPが他のカリキュラム設計手法と一致するか,あるいは上回っていることを実証する。
論文 参考訳（メタデータ） (2022-12-30T12:32:43Z) - Multiple Plans are Better than One: Diverse Stochastic Planning [26.887796946596243]
計画上の問題では、望ましい仕様を完全にモデル化することはしばしば困難です。
特に、人間とロボットの相互作用において、そのような困難は、プライベートまたはモデルに複雑である人間の好みによって生じる可能性がある。
我々は、最適に近い代表行動の集合を生成することを目的とした、多種多様な計画と呼ばれる問題を定式化する。
論文 参考訳（メタデータ） (2020-12-31T07:29:11Z) - Robust Hierarchical Planning with Policy Delegation [6.1678491628787455]
本稿では,デリゲートの原理に基づく階層計画のための新しいフレームワークとアルゴリズムを提案する。
このプランニング手法は、様々な領域における古典的なプランニングと強化学習技術に対して、実験的に非常に競争力があることを示す。
論文 参考訳（メタデータ） (2020-10-25T04:36:20Z) - 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)
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。