論文の概要: A Behavior Tree-inspired programming language for autonomous agents
- arxiv url: http://arxiv.org/abs/2412.08654v1
- Date: Tue, 26 Nov 2024 22:47:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-15 08:28:47.485721
- Title: A Behavior Tree-inspired programming language for autonomous agents
- Title(参考訳): 自律エージェントのための行動木に基づくプログラミング言語
- Authors: Oliver Biggar, Iman Shames,
- Abstract要約: 本稿では,行動木(BT)のアイデアとモチベーションから構築した自律エージェントのための関数型プログラミング言語の設計を提案する。
BTはロボット工学とAIにおけるエージェントの振る舞いを設計するための一般的なモデルである。
我々はBTにインスパイアされた言語の完全な仕様を示し、関数型プログラミング言語Haskellの実装を提供します。
- 参考スコア(独自算出の注目度): 1.5101132008238316
- License:
- Abstract: We propose a design for a functional programming language for autonomous agents, built off the ideas and motivations of Behavior Trees (BTs). BTs are a popular model for designing agents behavior in robotics and AI. However, as their growth has increased dramatically, the simple model of BTs has come to be limiting. There is a growing push to increase the functionality of BTs, with the end goal of BTs evolving into a programming language in their own right, centred around the defining BT properties of modularity and reactiveness. In this paper, we examine how the BT model must be extended in order to grow into such a language. We identify some fundamental problems which must be solved: implementing `reactive' selection, 'monitoring' safety-critical conditions, and passing data between actions. We provide a variety of small examples which demonstrate that these problems are complex, and that current BT approaches do not handle them in a manner consistent with modularity. We instead provide a simple set of modular programming primitives for handling these use cases, and show how they can be combined to build complex programs. We present a full specification for our BT-inspired language, and give an implementation in the functional programming language Haskell. Finally, we demonstrate our language by translating a large and complex BT into a simple, unambiguous program.
- Abstract(参考訳): 本稿では,行動木(BT)のアイデアとモチベーションから構築した自律エージェントのための関数型プログラミング言語の設計を提案する。
BTはロボット工学とAIにおけるエージェントの振る舞いを設計するための一般的なモデルである。
しかし、その成長が劇的に増加するにつれて、BTsの単純なモデルは制限されてきている。
BTの機能を強化する動きが拡大しており、BTの最終的な目標は、モジュール化とリアクティブ性のBT特性を定義することを中心に、独自のプログラミング言語に進化することにあります。
本稿では,BTモデルをどのように拡張して,そのような言語に成長させるかを検討する。
我々は、'reactive'選択の実装、安全クリティカルな条件の監視、アクション間でのデータ転送など、解決すべきいくつかの根本的な問題を特定します。
これらの問題は複雑であり、現在のBTアプローチではモジュラリティと整合した方法でそれらを扱うことができないことを示す、さまざまな小さな例を提供する。
代わりに、これらのユースケースを扱うための単純なモジュールプログラミングプリミティブセットを提供し、それらを組み合わせて複雑なプログラムを構築する方法を示します。
我々はBTにインスパイアされた言語の完全な仕様を示し、関数型プログラミング言語Haskellの実装を提供します。
最後に、大規模かつ複雑なBTを単純で曖昧なプログラムに変換することで、我々の言語を実証する。
関連論文リスト
- Symbolic Learning Enables Self-Evolving Agents [55.625275970720374]
エージェントシンボリックラーニング(エージェントシンボリックラーニング)(エージェントシンボリックラーニング)は、言語エージェントが自分自身で最適化できるための体系的なフレームワークである。
エージェント記号学習は、コネクショナリズム学習における2つの基本的なアルゴリズムを模倣することにより、言語エージェント内のシンボルネットワークを最適化するように設計されている。
我々は、標準ベンチマークと複雑な実世界のタスクの両方で概念実証実験を行う。
論文 参考訳(メタデータ) (2024-06-26T17:59:18Z) - Integrating Intent Understanding and Optimal Behavior Planning for Behavior Tree Generation from Human Instructions [5.31484618181979]
動作木(BT)は、人間の指示に従ってタスクを実行するロボットのための適切な制御アーキテクチャである。
本稿では,BT生成のための2段階のフレームワークを提案する。
我々は、一階述語論理における目的と十分に整形された公式を表現し、意図の理解と最適な行動計画を効果的にブリッジする。
論文 参考訳(メタデータ) (2024-05-13T05:23:48Z) - Behavior Trees Enable Structured Programming of Language Model Agents [0.0]
ビヘイビアツリーは、言語モデルと古典的なAIと伝統的なプログラミングを組み合わせるための統一的なフレームワークを提供する、と我々は主張する。
本稿では,行動木を用いたプログラミング言語モデルエージェントのためのPythonライブラリであるDendronを紹介する。
論文 参考訳(メタデータ) (2024-04-11T02:44:13Z) - Code-Switched Language Identification is Harder Than You Think [69.63439391717691]
コードスイッチングは、文字と音声の通信において一般的な現象である。
CSコーパスの構築の応用について検討する。
タスクをもっと多くの言語に拡張することで、タスクをより現実的にします。
文レベルのマルチラベルタグ付け問題としてタスクを再構築し、より難易度の高いものにする。
論文 参考訳(メタデータ) (2024-02-02T15:38:47Z) - MEIA: Multimodal Embodied Perception and Interaction in Unknown Environments [82.67236400004826]
本稿では,自然言語で表現されたハイレベルなタスクを実行可能なアクションのシーケンスに変換するための,MEIA(Multimodal Embodied Interactive Agent)を提案する。
MEMモジュールは、多様な要件とロボットの能力に基づいて、MEIAが実行可能なアクションプランを生成することを可能にする。
論文 参考訳(メタデータ) (2024-02-01T02:43:20Z) - Language Agent Tree Search Unifies Reasoning Acting and Planning in Language Models [31.509994889286183]
我々はLanguage Agent Tree Search (LATS)を紹介した。Language Agent Tree Search (LATS)は、推論、行動、計画において言語モデル(LM)の能力を相乗化する最初の一般的なフレームワークである。
当社のアプローチの重要な特徴は、より意図的で適応的な問題解決メカニズムを提供する外部フィードバック環境の導入である。
LATSは、GPT-4でHumanEval上でプログラミングするための最先端パス@1精度(92.7%)を達成し、GPTによるWebShop上のWebナビゲーションの勾配ベースの微調整に匹敵する勾配なし性能(平均スコア75.9)を示す。
論文 参考訳(メタデータ) (2023-10-06T17:55:11Z) - ChatDev: Communicative Agents for Software Development [84.90400377131962]
ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。
これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
論文 参考訳(メタデータ) (2023-07-16T02:11:34Z) - Instruct2Act: Mapping Multi-modality Instructions to Robotic Actions
with Large Language Model [63.66204449776262]
Instruct2Actは、ロボット操作タスクのシーケンシャルアクションにマルチモーダル命令をマッピングするフレームワークである。
我々のアプローチは、様々な命令のモダリティや入力タイプを調節する上で、調整可能で柔軟なものである。
我々のゼロショット法は、いくつかのタスクにおいて、最先端の学習ベースのポリシーよりも優れていた。
論文 参考訳(メタデータ) (2023-05-18T17:59:49Z) - Actions You Can Handle: Dependent Types for AI Plans [2.064612766965483]
本稿では,AIプランナが作成したプランを依存型言語Agdaに組み込む手法を提案する。
ユーザーは、計画のより一般的で抽象的な特性を推論し、検証することができる。
論文 参考訳(メタデータ) (2021-05-24T13:33:56Z) - Unified Pre-training for Program Understanding and Generation [46.89905110678675]
PLBARTは、プログラムおよび言語理解および生成タスクの幅広い範囲を実行できるシーケンス・ツー・シーケンスモデルである。
PLBARTは、JavaとPythonの関数と関連するNLテキストの広範なコレクションに、自動エンコーディングを通知することで事前トレーニングされている。
論文 参考訳(メタデータ) (2021-03-10T20:32:59Z)
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。