論文の概要: Hierarchical Task Network Planning with LLM-Generated Heuristics

• arxiv url: http://arxiv.org/abs/2605.07707v1
• Date: Fri, 08 May 2026 13:14:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:39.063974
• Title: Hierarchical Task Network Planning with LLM-Generated Heuristics
• Title（参考訳）: LLM生成ヒューリスティックスを用いた階層型タスクネットワーク計画
• Authors: Felipe Meneguzzi, Alexandre Buchweitz, Augusto B. Corrêa, Victor Scherer Putrich, André Grahl Pereira,
• Abstract要約: 大規模言語モデル(LLM)がHTN計画に有効な探索アルゴリズムを生成できるかどうかを検討する。 LLMは最高のHTNプランナのカバレッジとほぼ一致し、共有問題の83%で検索の労力を大幅に削減した。
• 参考スコア（独自算出の注目度）: 45.222898125439286
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: HTN planning is a variation of classical planning where, instead of searching for a linear sequence of actions, an algorithm decomposes higher-level tasks using a method library until only executable actions remain. On one hand, this allows one to introduce domain knowledge that can speed up the search for a solution through the method library. On the other hand, it creates challenges that go beyond those of classical state-space search. While recent research produced a number of heuristics and novel algorithms that speed up HTN planning, these heuristics are not yet as informative as those available in classical planning algorithms. We investigate whether large language models (LLMs) can generate effective search heuristics for HTN planning, extending the methodology of Corrêa, Pereira, and Seipp (2025) from classical to hierarchical planning. Using the Pytrich planner on six standard total-order HTN benchmark domains, we evaluate heuristics generated by nine LLMs under domain-specific prompting and compare them against the TDG and LMCount domain-independent baselines and the PANDA planner. Our results show that LLM-generated heuristics nearly match the coverage of the best available HTN planner, while substantially reducing search effort on 83% of shared problems.
• Abstract（参考訳）: HTN計画(英語版)は古典的な計画のバリエーションであり、線形なアクション列を検索する代わりに、アルゴリズムは実行可能なアクションだけが残るまでメソッドライブラリを使用して上位のタスクを分解する。 一方、これはドメイン知識を導入し、メソッドライブラリを通じてソリューションの検索を高速化することを可能にする。 一方、これは古典的なステートスペース検索以上の課題を生み出します。 最近の研究では、HTNプランニングを高速化する多くのヒューリスティックと新しいアルゴリズムが生み出されているが、これらのヒューリスティックは古典的な計画アルゴリズムで利用できるものほど有益ではない。 大規模言語モデル(LLM)がHTN計画に有効な探索ヒューリスティックを生成できるかどうかを考察し、Corrêa, Pereira, Seipp (2025) の方法論を古典的から階層的計画に拡張する。 Pytrich Planner on six standard total-order HTN benchmark domain, we evaluate heuristics generated by 9 LLMs under domain-specific prompting and comparison them with the TDG and LMCount domain-dependent baselines and the PANDA Planner。 その結果, LLMによるヒューリスティックスは, 最高のHTNプランナのカバレッジとほぼ一致し, 83%の共有問題に対する探索の労力を大幅に削減した。

関連論文リスト

• GridRoute: A Benchmark for LLM-Based Route Planning with Cardinal Movement in Grid Environments [14.584687937592536]
  大規模言語モデル(LLM)は、計画と推論タスクにおけるその可能性を実証している。 LLMが従来のアルゴリズムをどのように活用できるかを評価するための総合評価ベンチマークGridRouteを提案する。 また,従来のアルゴリズムのプロンプト指導を取り入れた,アルゴリズム・オブ・シント(AoT)と呼ばれる新しいハイブリッドプロンプト手法を提案する。
  論文  参考訳（メタデータ） (2025-05-30T07:40:59Z)
• Leveraging Action Relational Structures for Integrated Learning and Planning [0.0]
  古典計画のための新しい検索空間である部分空間探索を導入する。 部分空間探索のガイドとして,状態内の動作の集合を評価するアクションセットを導入する。 新しいプランナーであるLazyLiftedは、より優れた統合された検索と学習を活用し、ITC 2023ベンチマークによる最先端のMLよりも優れています。
  論文  参考訳（メタデータ） (2025-04-29T00:10:14Z)
• Classical Planning with LLM-Generated Heuristics: Challenging the State of the Art with Python Code [6.88204255655161]
  大規模言語モデル(LLM)は、計画タスクの詳細な定義を伴っても、確実に計画に失敗する。 サイズが大きくなるような配布外タスクであっても、LCMを使って正確な計画を生成する方法を示す。
  論文  参考訳（メタデータ） (2025-03-24T15:50:20Z)
• Parallel Strategies for Best-First Generalized Planning [51.713634067802104]
  汎用計画(GP)は、複数の古典的な計画インスタンスを解くことができるアルゴリズムのようなソリューションの自動合成を研究するAIの研究分野である。 現在の進歩の1つはBest-First Generalized Planning (BFGP) の導入である。 本稿では,並列探索手法をBFGPに適用し,性能ギャップを埋める上で重要な要素であることを示す。
  論文  参考訳（メタデータ） (2024-07-31T09:50:22Z)
• 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)
• 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。