論文の概要: Execution Semantics of Behavior Trees in Robotic Applications

• arxiv url: http://arxiv.org/abs/2408.00090v2
• Date: Thu, 10 Apr 2025 15:46:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-11 12:19:49.607435
• Title: Execution Semantics of Behavior Trees in Robotic Applications
• Title（参考訳）: ロボット応用における行動木の実行意味論
• Authors: Enrico Ghiorzi, Christian Henkel, Matteo Palmas, Michaela Klauck, Armando Tacchella,
• Abstract要約: 本稿では,動作木(BT)の実行セマンティクスをロボット工学の応用として定義することを目的とする。 BTの構造と実行を形式化する抽象データ型を提案する。
• 参考スコア（独自算出の注目度）: 0.8378438766517396
• License:
• Abstract: Behavior Trees (BTs) have found a widespread adoption in robotics due to appealing features, their ease of use as a conceptual model of control policies and the availability of software tooling for BT-based design of control software. However, BTs don't have formal execution semantics and, furthermore, subtle differences among implementations can make the same model behave differently depending on the underlying software. This paper aims at defining the execution semantics of behavior trees (BTs) as used in robotics applications. To this purpose, we present an abstract data type that formalizes the structure and execution of BTs. While our formalization is inspired by existing contributions in the scientific literature and state-of-the art implementations, we strive to provide an unambiguous treatment of most features that find incomplete or inconsistent treatment across other works.
• Abstract（参考訳）: 動作木(BT)は、魅力的な機能、制御ポリシーの概念モデルとしての使いやすさ、BTベースの制御ソフトウェア設計のためのソフトウェアツールの可用性などにより、ロボット工学に広く採用されている。 しかし、BTは形式的な実行セマンティクスを持っておらず、実装間の微妙な違いは、基盤となるソフトウェアによって同じモデルを異なる振る舞いにすることができる。 本稿では,動作木(BT)の実行セマンティクスをロボット工学の応用として定義することを目的とする。 この目的のために,BTの構造と実行を形式化する抽象データ型を提案する。 私たちの形式化は、科学文献や最先端技術の実装における既存の貢献から着想を得ていますが、他の作品にまたがる不完全または矛盾した扱いを、ほとんどの特徴の曖昧な扱いを提供しようとしているのです。

関連論文リスト

• Situated Instruction Following [87.37244711380411]
  本稿では,実世界のコミュニケーションの非特異性とあいまいさを取り入れた位置指示について述べる。 位置指示の意味は、人間の過去の行動と将来の行動を通じて自然に展開される。 我々の実験は、現在最先端の身体的指示追従(EIF)モデルが、位置する人間の意図の全体的理解を欠いていることを示唆している。
  論文  参考訳（メタデータ） (2024-07-15T19:32:30Z)
• ThinkBot: Embodied Instruction Following with Thought Chain Reasoning [66.09880459084901]
  EIF(Embodied Instruction following)は、複雑な環境下でオブジェクトを相互作用させることで、エージェントが人間の指示を完了させる。 我々は,人間の指導における思考連鎖を原因とした思考ボットを提案し,その不足した行動記述を復元する。 私たちのThinkBotは、成功率と実行効率の両面で、最先端のEIFメソッドよりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2023-12-12T08:30:09Z)
• Unsupervised Mapping of Arguments of Deverbal Nouns to Their Corresponding Verbal Labels [52.940886615390106]
  デバーバル名詞は英語の文章でよく使われる動詞で、出来事や行動やその議論を記述している。 名前付けされた構成の引数を扱うために存在する解決策は意味論的アノテーションに基づいている。 本稿では,より統語的アプローチを導入し,デバーバル名詞の議論を対応する動詞構成にマッピングする。
  論文  参考訳（メタデータ） (2023-06-24T10:07:01Z)
• SEAL: Semantic Frame Execution And Localization for Perceiving Afforded Robot Actions [5.522839151632667]
  本稿では,ロボット操作行動のセマンティックフレーム表現を拡張し,セマンティックフレーム実行と局所化の問題をグラフィカルモデルとして導入する。 SEAL問題に対して、ロボットに与えられた行動の場所として、有限のセマンティックフレームに対する信念を維持するための非パラメトリックセマンティックフレームマッピング(SeFM)アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2023-03-24T15:25:41Z)
• Robot Behavior-Tree-Based Task Generation with Large Language Models [14.384843227828775]
  本稿では,最先端の大規模言語モデルを用いた行動木に基づくタスク生成手法を提案する。 本稿では,階層型ロボットタスク生成を実現するためのフェーズステッププロンプト設計を提案し,さらに行動木埋め込みに基づく探索と統合して適切なプロンプトを設定する。 私たちの振る舞いツリーベースのタスク生成アプローチは、事前に定義された原始的なタスクのセットを必要としない。
  論文  参考訳（メタデータ） (2023-02-24T22:53:10Z)
• Verifying Safety of Behaviour Trees in Event-B [0.0]
  行動木(BT)はロボティクスコミュニティでますます人気が高まっている。 本稿では,すでに使用されている木の不変性を証明するために,行動木の公式な仕様と方法論を提案する。
  論文  参考訳（メタデータ） (2022-09-28T12:26:50Z)
• A Persistent Spatial Semantic Representation for High-level Natural Language Instruction Execution [54.385344986265714]
  本稿では,言語行動とロボット行動のギャップを埋めるために,永続的な空間意味表現法を提案する。 一般的なステップバイステップ命令を完全に回避しながら、ALFREDベンチマークに対する我々のアプローチを評価し、最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-07-12T17:47:19Z)
• Infusing Finetuning with Semantic Dependencies [62.37697048781823]
  シンタックスとは異なり、セマンティクスは今日の事前訓練モデルによって表面化されないことを示す。 次に、畳み込みグラフエンコーダを使用して、タスク固有の微調整にセマンティック解析を明示的に組み込む。
  論文  参考訳（メタデータ） (2020-12-10T01:27:24Z)
• Semantics-Aware Inferential Network for Natural Language Understanding [79.70497178043368]
  このようなモチベーションを満たすために,セマンティックス対応推論ネットワーク(SAIN)を提案する。 SAINの推論モジュールは、明示的な文脈的セマンティクスを補完的な入力として、セマンティクス上の一連の推論ステップを可能にする。 本モデルでは,機械読解や自然言語推論など11タスクの大幅な改善を実現している。
  論文  参考訳（メタデータ） (2020-04-28T07:24:43Z)

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。