論文の概要: Petri Net Relaxation for Infeasibility Explanation and Sequential Task Planning
- arxiv url: http://arxiv.org/abs/2602.22094v1
- Date: Wed, 25 Feb 2026 16:39:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-26 18:19:16.914462
- Title: Petri Net Relaxation for Infeasibility Explanation and Sequential Task Planning
- Title（参考訳）: 不確実性説明とシークエンシャルタスク計画のためのペトリネット緩和
- Authors: Nguyen Cong Nhat Le, John G. Rogers, Claire N. Bonial, Neil T. Dantam,
- Abstract要約: 本研究では,ロバストな不変合成を実現するペトリネット到達性緩和手法を提案する。
ベースラインと比較して,本システムは同等数の不変量を生成し,最大2倍の不安定性を検知し,ワンショットプランニングにおいて競合的に実行し,テスト領域における逐次計画更新において性能を向上する。
- 参考スコア（独自算出の注目度）: 2.850727765707005
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Plans often change due to changes in the situation or our understanding of the situation. Sometimes, a feasible plan may not even exist, and identifying such infeasibilities is useful to determine when requirements need adjustment. Common planning approaches focus on efficient one-shot planning in feasible cases rather than updating domains or detecting infeasibility. We propose a Petri net reachability relaxation to enable robust invariant synthesis, efficient goal-unreachability detection, and helpful infeasibility explanations. We further leverage incremental constraint solvers to support goal and constraint updates. Empirically, compared to baselines, our system produces a comparable number of invariants, detects up to 2 times more infeasibilities, performs competitively in one-shot planning, and outperforms in sequential plan updates in the tested domains.
- Abstract（参考訳）: 状況の変化や状況の理解によって、しばしば計画が変わる。
実現不可能な計画が存在しない場合もあり、そのような不実現可能性を特定することは、要求がいつ調整が必要かを決定するのに有用である。
一般的なプランニングアプローチは、ドメインを更新したり、不可能を検出するのではなく、実行可能なケースで効率的なワンショットプランニングに重点を置いている。
本研究では,ロバストな不変合成を実現するペトリネット到達性緩和手法を提案する。
さらに、漸進的制約解決器を活用して、目標と制約更新をサポートします。
経験的に、ベースラインと比較して、我々のシステムは同等数の不変量を生成し、最大2倍の不安定性を検知し、ワンショットプランニングで競争的に実行し、テストされたドメインの逐次的な計画更新で性能を向上する。
関連論文リスト
- Haste Makes Waste: Evaluating Planning Abilities of LLMs for Efficient and Feasible Multitasking with Time Constraints Between Actions [56.88110850242265]
本稿では,現実の調理シナリオに基づいた新しいベンチマークフレームワークRecipe2Planを紹介する。
従来のベンチマークとは異なり、Recipe2Planは並列タスク実行による調理時間を最適化するためにエージェントに挑戦する。
論文 参考訳（メタデータ） (2025-03-04T03:27:02Z) - Know Where You're Uncertain When Planning with Multimodal Foundation Models: A Formal Framework [54.40508478482667]
認識と計画生成の不確実性を解消し、定量化し、緩和する包括的枠組みを提案する。
本稿では,知覚と意思決定の独特な性質に合わせた手法を提案する。
この不確実性分散フレームワークは, 変動率を最大40%削減し, タスク成功率をベースラインに比べて5%向上させることを示した。
論文 参考訳（メタデータ） (2024-11-03T17:32:00Z) - Latent Plan Transformer for Trajectory Abstraction: Planning as Latent Space Inference [53.419249906014194]
オフライン強化学習から得られたデータセットを用いた計画のための生成モデルについて検討する。
本稿では,Transformerベースのトラジェクトリジェネレータと最終戻り値との接続に潜時変数を利用する新しいモデルであるLatent Plan Transformerを紹介する。
論文 参考訳（メタデータ） (2024-02-07T08:18:09Z) - LLM-SAP: Large Language Models Situational Awareness Based Planning [0.0]
我々は、潜在的なリスクを予測し、積極的に軽減する方法論を開発するために、マルチエージェント推論フレームワークを使用します。
提案手法は,人間中心のインタラクションの複雑さを計画プロセスに組み込むことによって,従来のオートマトン理論から分岐する。
論文 参考訳（メタデータ） (2023-12-26T17:19:09Z) - 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) - Refining Diffusion Planner for Reliable Behavior Synthesis by Automatic
Detection of Infeasible Plans [25.326624139426514]
拡散に基づくプランニングは、長期のスパースリワードタスクにおいて有望な結果を示している。
しかし、生成モデルとしての性質のため、拡散モデルは実現可能な計画を生成することが保証されない。
本稿では,拡散モデルが生成する信頼できない計画を改善するための新しい手法を提案する。
論文 参考訳（メタデータ） (2023-10-30T10:35:42Z) - Lifelong Unsupervised Domain Adaptive Person Re-identification with
Coordinated Anti-forgetting and Adaptation [127.6168183074427]
本稿では,LUDA (Lifelong Unsupervised Domain Adaptive) という新たなタスクを提案する。
これは、モデルがターゲット環境のラベル付けされていないデータに継続的に適応する必要があるため、難しい。
我々は、CLUDA-ReIDと呼ばれるこのタスクのための効果的なスキームを設計し、そこでは、アンチフォージェッティングが適応と調和して調整される。
論文 参考訳（メタデータ） (2021-12-13T13:19:45Z)
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。