Fugu-MT 論文翻訳(概要): Zero-Shot Iterative Formalization and Planning in Partially Observable Environments

論文の概要: Zero-Shot Iterative Formalization and Planning in Partially Observable Environments

arxiv url: http://arxiv.org/abs/2505.13126v2
Date: Tue, 20 May 2025 13:53:50 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-21 12:33:37.456739
Title: Zero-Shot Iterative Formalization and Planning in Partially Observable Environments
Title（参考訳）: 部分観測可能な環境におけるゼロショット反復形式化と計画
Authors: Liancheng Gong, Wang Zhu, Jesse Thomason, Li Zhang,
Abstract要約: 我々はPDDL表現をゼロショットで形式化し、計画し、成長し、洗練するフレームワークであるPDDLego+を提案する。 PDDLego+は目標達成を達成し,問題複雑性に対する堅牢性を示す。
参考スコア（独自算出の注目度）: 11.066479432278301
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Using LLMs not to predict plans but to formalize an environment into the Planning Domain Definition Language (PDDL) has been shown to improve performance and control. Existing work focuses on fully observable environments; we tackle the more realistic and challenging partially observable environments that lack of complete, reliable information. We propose PDDLego+, a framework to iteratively formalize, plan, grow, and refine PDDL representations in a zero-shot manner, without needing access to any existing trajectories. On two textual simulated environments, we show that PDDLego+ improves goal reaching success and exhibits robustness against problem complexity. We also show that the domain knowledge captured after a successful trial can benefit future tasks.
Abstract（参考訳）: LLMを使って、計画を立てるのではなく、環境を計画ドメイン定義言語(PDDL)に形式化し、性能と制御を改善することが示されている。私たちは、完全で信頼性のある情報がない、より現実的で挑戦的な部分的に観測可能な環境に取り組む。既存のトラジェクトリへのアクセスを必要とせずに、PDDL表現をゼロショットで反復的に形式化し、計画し、成長し、洗練するフレームワークであるPDDLego+を提案する。 2つのテキスト・シミュレートされた環境において, PDDLego+は目標達成を達成し, 問題複雑性に対する堅牢性を示す。また、試験に成功して得られたドメイン知識が将来のタスクに有効であることも示します。

関連論文リスト

Latent Diffusion Planning for Imitation Learning [78.56207566743154]
Latent Diffusion Planning (LDP) は、プランナーと逆ダイナミクスモデルからなるモジュラーアプローチである。行動予測からプランニングを分離することにより、LDPは最適なデータと行動自由データのより密集した監視信号の恩恵を受けることができる。シミュレーションされた視覚ロボット操作タスクにおいて、LDPは最先端の模倣学習アプローチより優れている。
論文参考訳（メタデータ） (2025-04-23T17:53:34Z)
Seeing is Believing: Belief-Space Planning with Foundation Models as Uncertainty Estimators [34.28879194786174]
オープンワールド環境における汎用的なロボット移動操作は、長い地平線、複雑な目標、部分的な観測可能性といった大きな課題を生んでいる。これらの課題に対処するための有望なアプローチは、タスクプランナーがこれらのスキルをシーケンスして、構造化言語で指定された目標を達成する、パラメータ化されたスキルのライブラリを計画することである。本稿では、視覚言語モデルを利用して不確実性を推定し、シンボリックグラウンド化を促進する新しいフレームワークを提案する。
論文参考訳（メタデータ） (2025-04-04T07:48:53Z)
VISO-Grasp: Vision-Language Informed Spatial Object-centric 6-DoF Active View Planning and Grasping in Clutter and Invisibility [31.50489359729733]
VISO-Grasp(VISO-Grasp)は、厳しい環境下での把握のための可視性制約に対処するために設計された視覚インフォームドシステムである。マルチビュー不確実性駆動型グリップ融合機構を導入し, グリップ信頼度と方向の不確実性をリアルタイムに改善する。 VISO-Graspは、目標指向のグリップにおいて87.5%の成功率を達成し、ベースラインを上回る最少のグリップの試みを達成している。
論文参考訳（メタデータ） (2025-03-16T18:46:54Z)
An Extensive Evaluation of PDDL Capabilities in off-the-shelf LLMs [11.998185452551878]
大規模言語モデル(LLM)は、コード生成とチェーン・オブ・シークレット推論に習熟している。本研究では,計画ドメイン定義言語(PDDL)の理解と生成のためのLLMの可能性を評価する。
論文参考訳（メタデータ） (2025-02-27T15:13:07Z)
On the Limit of Language Models as Planning Formalizers [4.145422873316857]
大規模言語モデルは、接地された環境で検証可能な計画を作成するのに失敗する。新たな作業のラインは、計画領域の形式表現を生成するフォーマライザとしてLLMを使うことの成功を示しています。我々は,PDDLとして記述を効果的に定式化できるモデルが十分に大きいことを観察し,それらを直接的に生成する計画よりも優れていることを示す。
論文参考訳（メタデータ） (2024-12-13T05:50:22Z)
PDDLEGO: Iterative Planning in Textual Environments [56.12148805913657]
テキスト環境における計画は、現在のモデルにおいても長年にわたる課題であることが示されている。我々は,あるサブゴールの部分的な計画に導く計画表現を反復的に構築するPDDLEGOを提案する。数ショットのPDDLEGOで作成するプランは,Coin Collectorシミュレーションでエンドツーエンドのプランを生成するよりも43%効率がよいことを示す。
論文参考訳（メタデータ） (2024-05-30T08:01:20Z)
PROC2PDDL: Open-Domain Planning Representations from Texts [56.627183903841164]
Proc2PDDLは、専門家によるPDDL表現と組み合わせたオープンドメインの手続きテキストを含む最初のデータセットである。以上の結果から, GPT-3.5は0%, GPT-4は35%, Proc2PDDLは極めて困難であることが示唆された。
論文参考訳（メタデータ） (2024-02-29T19:40:25Z)
Real-World Planning with PDDL+ and Beyond [55.73913765642435]
我々は、軽量さ、単純さ、そして最も重要なのは適応性を強調するために作られた新しいPDDL+プランナーであるNyxを紹介する。 Nyxは、ある種のAIプランニングを必要とする事実上の現実世界のアプリケーションに合わせることができ、現実の問題を解決するための計画手法をより広く採用するための道を開くことができる。
論文参考訳（メタデータ） (2024-02-19T07:35:49Z)
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)
DREAMWALKER: Mental Planning for Continuous Vision-Language Navigation [107.5934592892763]
本稿では,世界モデルに基づくVLN-CEエージェントDREAMWALKERを提案する。世界モデルは、複雑な連続環境の視覚的、位相的、動的特性を要約するために構築される。コストのかかるアクションを実行する前に、そのような抽象的な世界で可能な計画を完全にシミュレートし、評価することができる。
論文参考訳（メタデータ） (2023-08-14T23:45:01Z)

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。