論文の概要: PO-PDDL: Learning Symbolic POMDPs from Visual Demonstrations for Robot Planning Under Uncertainty

• arxiv url: http://arxiv.org/abs/2606.15654v1
• Date: Sun, 14 Jun 2026 07:46:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.780508
• Title: PO-PDDL: Learning Symbolic POMDPs from Visual Demonstrations for Robot Planning Under Uncertainty
• Title（参考訳）: PO-PDDL:不確かさ下でのロボット計画のための視覚的デモからシンボリックPOMDPを学習する
• Abstract要約: 実世界のロボットタスクプランニングは、アクション実行と部分観測可能性の両方の下で動作する必要がある。 本稿では,部分観測可能マルコフ決定過程(POMDP)モデルの記号的定式化であるPO-PDDLを紹介する。 提案手法は既存のPDDLおよびPOMDPモデル学習手法より一貫して優れていることを示す。
• 参考スコア（独自算出の注目度）: 42.76829847298981
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Real-world robot task planning must operate under both stochastic action execution and partial observability, yet constructing Partially Observable Markov Decision Process (POMDP) models for real robotics domains remains difficult and labor-intensive. We introduce PO-PDDL, a symbolic formulation of POMDPs that preserves the relational structure and LLM-friendly syntax of the Planning Domain Definition Language (PDDL), while explicitly modeling partial observability, stochasticity, and beliefs. Building on this formulation, we propose a demonstration-driven pipeline for learning PO-PDDL models. The proposed method reconstructs latent symbolic state trajectories from real-robot execution videos, identifies partial observability via inconsistencies between inferred states and visual observations, and learns stochastic transition and observation models accordingly. The resulting PO-PDDL domains are reusable across tasks and enable online belief-space planning under both perception and execution uncertainty. Experiments on real-world long-horizon manipulation tasks show that our method consistently outperforms existing PDDL and POMDP model-learning approaches, achieving robust task planning under uncertainty with significantly lower planning cost.
• Abstract（参考訳）: 実世界のロボットタスクプランニングは、確率的動作実行と部分的観測可能性の両方の下で動作する必要があるが、実際のロボットドメインのための部分観測可能なマルコフ決定プロセス(POMDP)モデルの構築は困難で、労働集約的である。 計画領域定義言語 (PDDL) のリレーショナル構造とLLMフレンドリな構文を保存し, 部分的可観測性, 確率性, 信念を明示的にモデル化したPO-PDDLを提案する。 この定式化に基づいて,PO-PDDLモデルを学習するための実演駆動パイプラインを提案する。 提案手法は,実ロボット実行ビデオから潜在的シンボル状態軌跡を再構成し,推定状態と視覚的観察の不整合による部分的可観測性を同定し,それに応じて確率遷移と観測モデルを学ぶ。 結果として得られるPO-PDDLドメインはタスク間で再利用され、知覚と実行の不確実性の両方の下でオンラインの信念空間計画を可能にする。 実世界の長期操作タスクの実験から,提案手法は既存のPDDLおよびPMDPモデル学習手法より一貫して優れており,計画コストを大幅に低減した不確実性条件下での堅牢なタスク計画が達成されている。

関連論文リスト

• Zero-Shot Iterative Formalization and Planning in Partially Observable Environments [11.066479432278301]
  我々はPDDL表現をゼロショットで形式化し、計画し、成長し、洗練するフレームワークであるPDDLego+を提案する。 PDDLego+は目標達成を達成し,問題複雑性に対する堅牢性を示す。
  論文  参考訳（メタデータ） (2025-05-19T13:58:15Z)
• LLM-Guided Probabilistic Program Induction for POMDP Model Estimation [40.98644220584212]
  部分的に観測可能なマルコフ決定プロセス(POMDP)モデルは不確実性の下で決定される。 我々は、観測関数、報酬関数、遷移関数、初期状態分布関数を含むモデルのコンポーネントを低複雑さ確率的グラフィカルモデルとしてモデル化できるPOMDPのサブクラスに興味を持っている。
  論文  参考訳（メタデータ） (2025-05-04T18:59:07Z)
• Latent Diffusion Planning for Imitation Learning [78.56207566743154]
  Latent Diffusion Planning (LDP) は、プランナーと逆ダイナミクスモデルからなるモジュラーアプローチである。 行動予測からプランニングを分離することにより、LDPは最適なデータと行動自由データのより密集した監視信号の恩恵を受けることができる。 シミュレーションされた視覚ロボット操作タスクにおいて、LDPは最先端の模倣学習アプローチより優れている。
  論文  参考訳（メタデータ） (2025-04-23T17:53:34Z)
• An Extensive Evaluation of PDDL Capabilities in off-the-shelf LLMs [11.998185452551878]
  大規模言語モデル(LLM)は、コード生成とチェーン・オブ・シークレット推論に習熟している。 本研究では,計画ドメイン定義言語(PDDL)の理解と生成のためのLLMの可能性を評価する。
  論文  参考訳（メタデータ） (2025-02-27T15:13:07Z)
• On the Limit of Language Models as Planning Formalizers [4.145422873316857]
  大規模言語モデルは、地上環境では実行不可能で検証不可能な計画を作成することが発見されている。 新たな作業のラインは、LLMをフォーマライザとして使用して、ある言語で計画領域を形式的に表現することに成功したことを示している。 この形式的表現は、計画を見つけるために決定論的に解決できる。
  論文  参考訳（メタデータ） (2024-12-13T05:50:22Z)
• R-AIF: Solving Sparse-Reward Robotic Tasks from Pixels with Active Inference and World Models [50.19174067263255]
  我々は、エージェントがスパース・リワード、継続的なアクション、ゴールベースのロボット制御POMDP環境においてエクササイズするのを助けるために、事前の選好学習手法と自己修正スケジュールを導入する。 我々のエージェントは、累積報酬、相対安定性、成功率の観点から、最先端モデルよりも優れたパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2024-09-21T18:32:44Z)
• Learning Logic Specifications for Policy Guidance in POMDPs: an Inductive Logic Programming Approach [57.788675205519986]
  我々は任意の解法によって生成されるPOMDP実行から高品質なトレースを学習する。 我々は、データと時間効率のIndu Logic Programming(ILP)を利用して、解釈可能な信念に基づくポリシー仕様を生成する。 ASP(Answer Set Programming)で表現された学習は、ニューラルネットワークよりも優れた性能を示し、より少ない計算時間で最適な手作りタスクに類似していることを示す。
  論文  参考訳（メタデータ） (2024-02-29T15:36:01Z)
• PDPP: Projected Diffusion for Procedure Planning in Instructional Videos [18.984980596601513]
  本研究では,現在の視覚的観察と目的を考慮に入れた計画(一連の行動)の実現を目的とした指導ビデオにおけるプロシージャ計画の課題について検討する。 以前の研究は、これをシーケンスモデリングの問題とみなし、中間的な視覚観察または言語指示を監督として活用した。 自己回帰的に計画することによる中間的監視アノテーションやエラーの蓄積を回避するため,拡散型フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-26T10:50:16Z)
• Visual Learning-based Planning for Continuous High-Dimensional POMDPs [81.16442127503517]
  Visual Tree Search (VTS)は、オフラインで学習した生成モデルとオンラインモデルベースのPOMDP計画を組み合わせた学習と計画の手順である。 VTSは、モンテカルロの木探索プランナーにおける画像観測の可能性を予測し評価するために、一連の深部生成観測モデルを利用することで、オフラインモデルトレーニングとオンラインプランニングを橋渡しする。 VTSは、異なる観測ノイズに対して堅牢であり、オンラインのモデルベースプランニングを利用するため、再トレーニングを必要とせずに、異なる報酬構造に適応できることを示す。
  論文  参考訳（メタデータ） (2021-12-17T11:53:31Z)
• Modular Deep Reinforcement Learning for Continuous Motion Planning with Temporal Logic [59.94347858883343]
  本稿では,マルコフ決定過程(MDP)をモデルとした自律動的システムの運動計画について検討する。 LDGBA と MDP の間に組込み製品 MDP (EP-MDP) を設計することである。 モデルフリー強化学習(RL)のためのLDGBAベースの報酬形成と割引スキームは、EP-MDP状態にのみ依存する。
  論文  参考訳（メタデータ） (2021-02-24T01:11:25Z)

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。