論文の概要: Planning as Goal Recognition: Deriving Heuristics from Intention Models - Extended Version
- arxiv url: http://arxiv.org/abs/2603.14824v1
- Date: Mon, 16 Mar 2026 04:58:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-17 16:19:36.058083
- Title: Planning as Goal Recognition: Deriving Heuristics from Intention Models - Extended Version
- Title（参考訳）: 目標認識としてのプランニング:意図モデルからヒューリスティックを引き出す - 拡張バージョン
- Authors: Giacomo Rosa, Jean Honorio, Nir Lipovetzky, Sebastian Sardina,
- Abstract要約: 本稿では,目的の意図を評価するための新しいフレームワークを提案する。
我々の研究は、計画のための確率に基づく意図を理解し、導き出すための基礎的な知識を提供する。
- 参考スコア（独自算出の注目度）: 22.281341548124328
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Classical planning aims to find a sequence of actions, a plan, that maps a starting state into one of the goal states. If a trajectory appears to be leading to the goal, should we prioritise exploring it? Seminal work in goal recognition (GR) has defined GR in terms of a classical planning problem, adopting classical solvers and heuristics to recognise plans. We come full circle, and study the adoption and properties of GR-derived heuristics for seeking solutions to classical planning problems. We propose a new framework for assessing goal intention, which informs a new class of efficiently-computable heuristics. As a proof of concept, we derive two such heuristics, and show that they can already yield improvements for top-scoring classical planners. Our work provides foundational knowledge for understanding and deriving probabilistic intention-based heuristics for planning.
- Abstract（参考訳）: 古典的なプランニングは、開始状態を目標状態の1つにマッピングする一連のアクション、計画を見つけることを目的としています。
もし軌道が目標に向かっているように見えるなら、それを調査するべきだろうか?
ゴール認識(GR)におけるセミナルな研究は、GRを古典的な計画問題の観点から定義し、古典的な解法とヒューリスティックスを用いて計画を認識する。
従来の計画問題に対する解を求めるためのGR由来のヒューリスティックスの採用と性質について検討する。
本稿では,目的の意図を評価するための新しいフレームワークを提案する。
概念の証明として、そのようなヒューリスティックな2つの理論を導出し、それらが既にトップスコアの古典的プランナーに改善をもたらすことを示す。
我々の研究は、計画のための確率論的意図に基づくヒューリスティックを理解するための基礎知識を提供する。
関連論文リスト
- Plan-R1: Safe and Feasible Trajectory Planning as Language Modeling [74.41886258801209]
本稿では,行動学習から原理的アライメントを分離する2段階の軌道計画フレームワークを提案する。
Plan-R1は計画の安全性と実現可能性を大幅に改善し、最先端の性能を達成する。
論文 参考訳（メタデータ） (2025-05-23T09:22:19Z) - Introduction to AI Planning [0.0]
注記は州モデルの導入から始まり、古典的な計画の探求に移る。
最も広範なセクションは階層的タスクネットワーク(HTN)計画に特化している。
講演ノートは、計画ドメイン定義(PDDL)言語に関するボーナス章で終わる。
論文 参考訳（メタデータ） (2024-12-16T10:38:04Z) - LLM-Assist: Enhancing Closed-Loop Planning with Language-Based Reasoning [65.86754998249224]
従来のルールベースプランナとLCMベースのプランナを併用した,新しいハイブリッドプランナを開発した。
当社のアプローチでは,既存のプランナが苦労する複雑なシナリオをナビゲートし,合理的なアウトプットを生成すると同時に,ルールベースのアプローチと連携して作業する。
論文 参考訳（メタデータ） (2023-12-30T02:53:45Z) - A Planning Ontology to Represent and Exploit Planning Knowledge for Performance Efficiency [6.87593454486392]
我々は,エージェントを世界の初期状態から望ましい目標状態へ移動させる一連の行動を見つけることを目的として,自動計画の問題を考える。
利用可能なプランナと多様なプランナドメインが多数用意されていると仮定し、適切なプランナを特定し、ドメインのパフォーマンスを向上させるために活用できる不可欠な情報を持っている。
論文 参考訳（メタデータ） (2023-07-25T14:51:07Z) - Imitating Graph-Based Planning with Goal-Conditioned Policies [72.61631088613048]
本稿では,目標目標条件ポリシにサブゴール条件ポリシを蒸留する自己シミュレーション方式を提案する。
提案手法は,既存の目標条件付きRL手法のサンプル効率を大幅に向上させることができることを実証的に示す。
論文 参考訳（メタデータ） (2023-03-20T14:51:10Z) - Robust Hierarchical Planning with Policy Delegation [6.1678491628787455]
本稿では,デリゲートの原理に基づく階層計画のための新しいフレームワークとアルゴリズムを提案する。
このプランニング手法は、様々な領域における古典的なプランニングと強化学習技術に対して、実験的に非常に競争力があることを示す。
論文 参考訳（メタデータ） (2020-10-25T04:36:20Z) - Long-Horizon Visual Planning with Goal-Conditioned Hierarchical
Predictors [124.30562402952319]
未来に予測し、計画する能力は、世界で行動するエージェントにとって基本である。
視覚的予測と計画のための現在の学習手法は、長期的タスクでは失敗する。
本稿では,これらの制約を克服可能な視覚的予測と計画のためのフレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-23T17:58:56Z) - 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。