論文の概要: Transforming and Encoding FTS for SAT Solving: What Helps, What Hurts (Extended Version)

• arxiv url: http://arxiv.org/abs/2605.30563v1
• Date: Thu, 28 May 2026 20:50:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.228323
• Title: Transforming and Encoding FTS for SAT Solving: What Helps, What Hurts (Extended Version)
• Title（参考訳）: SATソルビングのためのFTS変換とエンコード:何が役に立つのか、何が役立つのか(拡張版)
• Authors: João Filipe, Álvaro Torralba, Gregor Behnke,
• Abstract要約: SATにおけるファクタリングタスクのエンコード方法について検討する。 本稿では,因子遷移関係を命題論理に変換するための様々な戦略に焦点をあてて,タスクを符号化するいくつかの方法を提案する。 また、この設定における様々なレベルの並列性を利用する方法を分析し、共通タスク変換がSATベースのプランナの性能に与える影響について検討する。
• 参考スコア（独自算出の注目度）: 16.90087641487115
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Factored tasks are a classical planning representation that extends SAS+ with limited forms of disjunctive preconditions, conditional effects, and angelic nondeterminism. This allows for a more compact representation of tasks than traditional formalisms such as STRIPS or SAS+, and supports a wide range of task transformations. However, existing planning approaches for factored tasks have been limited to heuristic search methods. In this work, we investigate how to encode factored tasks in SAT. We propose several ways to encode the tasks, focusing on different strategies for translating the factored transition relation into propositional logic. We also analyze how to exploit parallelism at various levels in this setting and study the impact of common task transformations on the performance of SAT-based planners.
• Abstract（参考訳）: 要因的タスクは古典的な計画表現であり、SAS+は限定的な解離的前提条件、条件的効果、天使的非決定論で拡張される。 これにより、STRIPSやSAS+のような従来の形式よりもタスクのコンパクトな表現が可能になり、幅広いタスク変換をサポートする。 しかし,既存の要因付きタスクの計画手法はヒューリスティックな探索手法に限られている。 本研究では,SATにおけるファクタリングタスクのエンコード方法について検討する。 本稿では,因子遷移関係を命題論理に変換するための様々な戦略に焦点をあてて,タスクを符号化するいくつかの方法を提案する。 また、この設定における様々なレベルの並列性を利用する方法を分析し、共通タスク変換がSATベースのプランナの性能に与える影響について検討する。

関連論文リスト

• Fast-Slow-Thinking: Complex Task Solving with Large Language Models [49.98959729052245]
  本稿では,FST(Fast-Slow-Thinking')と呼ばれるタスク分解手法を提案する。 FTでは、LLMは元のタスクの制約を取り除くよう促されるため、汎用的で簡潔なタスクに単純化される。 STでは、FTで取り除かれた制約をリコールするため、LLMはFTで生成された回答を改善し、元のタスクの要求を満たす。
  論文  参考訳（メタデータ） (2025-04-11T16:57:36Z)
• Unlocking Reasoning Potential in Large Langauge Models by Scaling Code-form Planning [94.76546523689113]
  CodePlanは、テキストコード形式の計画を生成し、追跡するフレームワークで、高いレベルの構造化された推論プロセスの概要を擬似コードで示します。 CodePlanは、洗練された推論タスク固有のリッチなセマンティクスと制御フローを効果的にキャプチャする。 反応を直接生成するのに比べて25.1%の相対的な改善が達成されている。
  論文  参考訳（メタデータ） (2024-09-19T04:13:58Z)
• Task Indicating Transformer for Task-conditional Dense Predictions [16.92067246179703]
  この課題に対処するために,タスク表示変換(TIT)と呼ばれる新しいタスク条件フレームワークを導入する。 本手法では,行列分解によるタスク指示行列を組み込んだMix Task Adapterモジュールをトランスフォーマーブロック内に設計する。 また,タスク表示ベクトルとゲーティング機構を利用するタスクゲートデコーダモジュールを提案する。
  論文  参考訳（メタデータ） (2024-03-01T07:06:57Z)
• Unified Task and Motion Planning using Object-centric Abstractions of Motion Constraints [56.283944756315066]
  本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。 我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
  論文  参考訳（メタデータ） (2023-12-29T14:00:20Z)
• Faith and Fate: Limits of Transformers on Compositionality [109.79516190693415]
  3つの代表的構成課題にまたがる変圧器大言語モデルの限界について検討する。 これらのタスクは、問題をサブステップに分割し、これらのステップを正確な答えに合成する必要があります。 実験結果から,多段階合成推論を線形化部分グラフマッチングに還元することにより,トランスフォーマーLLMが構成課題を解くことが示唆された。
  論文  参考訳（メタデータ） (2023-05-29T23:24:14Z)
• SatLM: Satisfiability-Aided Language Models Using Declarative Prompting [68.40726892904286]
  本研究では,大規模言語モデル (LLM) の推論能力を向上させるために,新しい満足度支援言語モデリング (SatLM) 手法を提案する。 我々はLLMを用いて命令型プログラムではなく宣言型タスク仕様を生成し、既製の自動定理証明器を利用して最終解を導出する。 我々はSATLMを8つの異なるデータセット上で評価し、命令パラダイムにおいてプログラム支援されたLMよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-16T17:55:51Z)
• POMRL: No-Regret Learning-to-Plan with Increasing Horizons [43.693739167594295]
  オンラインメタ強化学習環境におけるモデル不確実性の下での計画課題について検討する。 本稿では,タスク間の基盤構造をメタラーニングし,タスクごとの計画を立てるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-12-30T03:09:45Z)
• Fast Inference and Transfer of Compositional Task Structures for Few-shot Task Generalization [101.72755769194677]
  本稿では,タスクがサブタスクグラフによって特徴づけられる,数発の強化学習問題として定式化する。 我々のマルチタスクサブタスクグラフ推論器(MTSGI)は、トレーニングタスクから、まず、サブタスクグラフの観点から、一般的なハイレベルなタスク構造を推測する。 提案手法は,2次元グリッドワールドおよび複雑なWebナビゲーション領域において,タスクの共通基盤構造を学習し,活用し,未知のタスクへの適応を高速化する。
  論文  参考訳（メタデータ） (2022-05-25T10:44:25Z)
• Learning to Search in Task and Motion Planning with Streams [20.003445874753233]
  ロボット工学におけるタスク計画問題と動作計画問題は、個別のタスク変数に対するシンボリック計画と、連続状態および動作変数に対する動作最適化を組み合わせたものである。 対象と事実の集合を最優先的に拡張する幾何学的情報に基づく記号プランナを提案する。 ブロックスタッキング操作タスクにおいて,このアルゴリズムを7DOFロボットアームに適用する。
  論文  参考訳（メタデータ） (2021-11-25T15:58:31Z)
• Planning with Incomplete Information in Quantified Answer Set Programming [1.3501640559999886]
  ASP(Answer Set Programming)における不完全な情報を用いた計画手法を提案する。 論理プログラムが状態間の遷移関数を記述する単純な形式主義を用いて計画問題を表現している。 本稿では、量子化された論理プログラムをQBFに変換し、QBFソルバを実行する翻訳ベースのQASPソルバを提案する。
  論文  参考訳（メタデータ） (2021-08-13T21:24:47Z)

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。