論文の概要: Improving Plan Execution Flexibility using Block-Substitution
- arxiv url: http://arxiv.org/abs/2406.03091v1
- Date: Wed, 5 Jun 2024 09:30:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-06 19:09:42.990571
- Title: Improving Plan Execution Flexibility using Block-Substitution
- Title（参考訳）: ブロック置換による計画実行柔軟性の向上
- Authors: Sabah Binte Noor, Fazlul Hasan Siddiqui,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Partial-order plans in AI planning facilitate execution flexibility due to their less-constrained nature. Maximizing plan flexibility has been studied through the notions of plan deordering, and plan reordering. Plan deordering removes unnecessary action orderings within a plan, while plan reordering modifies them arbitrarily to minimize action orderings. This study, in contrast with traditional plan deordering and reordering strategies, improves a plan's flexibility by substituting its subplans with actions outside the plan for a planning problem. We exploit block deordering, which eliminates orderings in a POP by encapsulating coherent actions in blocks, to construct action blocks as candidate subplans for substitutions. In addition, this paper introduces a pruning technique for eliminating redundant actions within a BDPO plan. We also evaluate our approach when combined with MaxSAT-based reorderings. Our experimental result demonstrates a significant improvement in plan execution flexibility on the benchmark problems from International Planning Competitions (IPC), maintaining good coverage and execution time.
- Abstract（参考訳）: 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。
計画の柔軟性の最大化は、計画のデオーダリングと計画のリオーダリングという概念を通じて研究されている。
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。
ブロック内のコヒーレントなアクションをカプセル化することでPOPの順序付けを排除し,置換候補のサブプランとしてアクションブロックを構築する。
さらに,BDPO計画における冗長な動作を除去するプルーニング手法を提案する。
また、MaxSATベースのリオーダーと組み合わせることで、我々のアプローチを評価する。
実験の結果,国際計画コンペティション(IPC)のベンチマーク問題に対する計画実行の柔軟性が向上し,良好なカバレッジと実行時間を維持した。
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) - Some Orders Are Important: Partially Preserving Orders in Top-Quality Planning [15.20541905857507]
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。
論文 参考訳（メタデータ） (2024-04-01T22:10:12Z) - On Computing Plans with Uniform Action Costs [10.621487250485897]
本稿では,3つの一様性指標を自動計画に適応させ,行動コストと行動コストの総和を語彙的に最適化する計画ベースコンパイルを提案する。
良く知られた計画ベンチマークと新しい計画ベンチマークの両方の実験結果は、修正されたタスクを効果的に解決し、一様計画を生成することができることを示している。
論文 参考訳（メタデータ） (2024-02-15T11:00:28Z) - 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) - Tree-Planner: Efficient Close-loop Task Planning with Large Language Models [63.06270302774049]
Tree-Plannerは、大きな言語モデルでタスクプランニングを3つの異なるフェーズに再構成する。
Tree-Plannerは高い効率を維持しながら最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-10-12T17:59:50Z) - 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) - 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) - Differentiable Spatial Planning using Transformers [87.90709874369192]
本研究では、長距離空間依存を計画して行動を生成する障害マップを与えられた空間計画変換器(SPT)を提案する。
エージェントが地上の真理マップを知らない環境では、エンド・ツー・エンドのフレームワークで事前訓練されたSPTを利用する。
SPTは、操作タスクとナビゲーションタスクの両方のすべてのセットアップにおいて、最先端の差別化可能なプランナーよりも優れています。
論文 参考訳（メタデータ） (2021-12-02T06:48:16Z) - 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。