論文の概要: From Stories to Cities to Games: A Qualitative Evaluation of Behaviour Planning
- arxiv url: http://arxiv.org/abs/2601.04911v1
- Date: Thu, 08 Jan 2026 13:09:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-09 17:01:53.210774
- Title: From Stories to Cities to Games: A Qualitative Evaluation of Behaviour Planning
- Title（参考訳）: 物語から都市へ:行動計画の質的評価
- Authors: Mustafa F. Abdelwahed, Joan Espasa, Alice Toniolo, Ian P. Gent,
- Abstract要約: 本稿では,行動計画と呼ばれる新しい多様な計画パラダイムを提案する。
3つのケーススタディを提示することにより,実環境における行動計画の有用性を実証する。
- 参考スコア（独自算出の注目度）: 1.684937603700545
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The primary objective of a diverse planning approach is to generate a set of plans that are distinct from one another. Such an approach is applied in a variety of real-world domains, including risk management, automated stream data analysis, and malware detection. More recently, a novel diverse planning paradigm, referred to as behaviour planning, has been proposed. This approach extends earlier methods by explicitly incorporating a diversity model into the planning process and supporting multiple planning categories. In this paper, we demonstrate the usefulness of behaviour planning in real-world settings by presenting three case studies. The first case study focuses on storytelling, the second addresses urban planning, and the third examines game evaluation.
- Abstract（参考訳）: 多様な計画手法の主な目的は、互いに異なる一連の計画を作成することである。
このようなアプローチは、リスク管理、ストリームの自動分析、マルウェア検出など、さまざまな現実世界のドメインに適用されている。
最近では、行動計画と呼ばれる新しい多様な計画パラダイムが提案されている。
このアプローチは、計画プロセスに多様性モデルを明示的に組み込んで、複数の計画カテゴリをサポートすることで、以前の手法を拡張します。
本稿では,3つのケーススタディを提示することで,実環境における行動計画の有用性を実証する。
第1ケーススタディではストーリーテリング,第2ケーススタディでは都市計画,第3ケーススタディではゲーム評価について検討した。
関連論文リスト
- Large Language Models for Planning: A Comprehensive and Systematic Survey [29.168219253281453]
大規模言語モデル(LLM)は、特定の計画タスクにおいて顕著なパフォーマンスを示している。
本稿では,LLMをベースとした計画の総合的なレビューを行う。
論文 参考訳（メタデータ） (2025-05-26T08:44:53Z) - Exploring 3D Reasoning-Driven Planning: From Implicit Human Intentions to Route-Aware Activity Planning [103.24305074625106]
本研究では,暗黙的な指示から意図した活動を導き,ステップ間の経路や計画を伴うステップに分解する新しい3Dタスクである3D推論駆動計画を提案する。
まずReasonPlan3Dという,多種多様な3Dシーンを多種多様な暗黙の指示でカバーする大規模ベンチマークを構築した。
第二に、複数のステップにまたがってコンテキスト整合性を持つプログレッシブプラン生成を導入する新しいフレームワークを設計する。
論文 参考訳（メタデータ） (2025-03-17T09:33:58Z) - Exploring and Benchmarking the Planning Capabilities of Large Language Models [57.23454975238014]
この研究は、大規模言語モデル(LLM)の計画能力を改善するための基礎を築いた。
我々は、古典的な計画ベンチマークと自然言語シナリオの両方を含む包括的なベンチマークスイートを構築した。
本研究は,LLM計画の強化を目的としたマルチショットインコンテキスト学習について検討し,文脈長の増大と計画性能の向上の関係について検討する。
論文 参考訳（メタデータ） (2024-06-18T22:57:06Z) - Behaviour Planning: A Toolkit for Diverse Planning [1.2213833413853037]
本稿は,n次元グリッド表現を用いた多様性のより表現豊かなモデリングを可能にする,多様な計画問題に対する新しいアプローチを提案する。
本稿では,emphBehaviour Planningと呼ばれる,このようなカスタマイズ可能な多様性モデルに基づく多様な計画を生成する新しいツールキットを提案する。
本実装の実証的な評価から,我々の新しいカスタマイズ可能な多様性モデルに基づく多様な計画作成において,行動計画が現在の多様な計画手法を著しく上回っていることが示唆された。
論文 参考訳（メタデータ） (2024-05-07T13:18:22Z) - 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) - A Look at Value-Based Decision-Time vs. Background Planning Methods Across Different Settings [41.606112019744174]
本研究では,意思決定時間と背景計画手法の値に基づくバージョンが,異なる設定で相互に比較する方法について検討する。
全体として,2つの計画手法の値ベースのバージョンは,最も単純なインスタンス化において同等に動作するが,価値ベースの意思決定時間計画手法の近代的なインスタンス化は,価値ベースの背景計画手法の近代的なインスタンス化よりも同等かそれ以上に実行可能であることが示唆された。
論文 参考訳（メタデータ） (2022-06-16T20:48:19Z) - 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。