論文の概要: Finding Optimal Cost-Bounded Plan Reductions: Refined Model

• arxiv url: http://arxiv.org/abs/2607.25484v1
• Date: Tue, 28 Jul 2026 09:21:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.783219
• Title: Finding Optimal Cost-Bounded Plan Reductions: Refined Model
• Title（参考訳）: 最適コスト境界計画削減法:精錬モデル
• Abstract要約: 本研究では,事前計算した計画から,コスト境界を尊重しながら実用性を最大化する有効なサブプランを抽出する問題について検討する。 我々は、決定変種がNP完全であることを示し、それを解決するための2つの正確な方法を提案する:1つは、オーバーサブスクライブ計画(OSP)、もう1つは、線形計画(ILP)である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In some real applications a plan may later become unfeasible due to newly imposed budget constraints, yet, at the same time, using only the original actions of the plan and their order is mandatory. In this paper, we study the problem of extracting, from a precomputed plan, a valid subplan that maximizes utility while respecting a cost bound. Each goal is given a utility value and the plan is reduced by removing actions that support low-utility goals, while preserving both executability and the original action order. We show the decision variant is NP-complete and propose two exact methods to solve it: one via oversubscription planning (OSP) and another via Integer Linear Programming (ILP). This paper extends our previous work published at ICAPS 2026 (Del Toro, Fuentetaja, and García-Olaya 2026b). While the core framework remains as introduced there, we further introduce a refined ILP formulation that significantly decreases the model size and improves computational efficiency.
• Abstract（参考訳）: 一部の実際のアプリケーションでは、計画が新たに課された予算の制約により、計画が実行不可能になる可能性があるが、同時に、計画の元々の行動と命令のみを使用することが義務付けられている。 本稿では,コストバウンダリを尊重しながら実用性を最大化する有効なサブプランである事前計算計画から抽出する問題を考察する。 各目標には実用的価値が与えられ、その計画では、実行可能性と元のアクション順序の両方を保ちながら、低ユーティリティ目標をサポートするアクションを削除することで削減される。 決定の変種がNP完全であることを示し、それを解決するための2つの正確な方法を提案する。1つは、オーバーサブスクライブ計画(OSP)、もう1つは、整数線形計画(ILP)である。 本論文は,ICAPS 2026(Del Toro,Fuentetaja,García-Olaya 2026b)で発表されたこれまでの研究を拡張したものである。 コアフレームワークはいまだ導入されているが、モデルサイズを大幅に削減し、計算効率を向上する改良されたILP定式化を導入する。

関連論文リスト

• Lose the Order, Keep the Hierarchy: Deordering HTN Plans [0.7773045483342574]
  階層型タスクネットワーク(HTN)計画は,タスク分解に基づく強力な計画形式である。 計画の順序付けは古典的な計画において広く研究されてきたが、HTN設定では未研究のままである。 階層的な分解制約を考慮に入れた手法を拡張して,古典的計画から確立された2つの計画デオーダー手法を適用した。
  論文  参考訳（メタデータ） (2026-09-03T14:27:58Z)
• Knowing What to Solve Before How: Preplan Empowered LLM Mathematical Reasoning [5.703029996279753]
  PPC (Preplan-Plan-CoT) は, 明示的な問題解決段階である事前計画を導入するフレームワークである。 PPCは40の指標のうち39の指標で最高の結果を得ることができ、最強の基準値である +2.23 と +3.06 で maj@16 と pass@16 を改善した。
  論文  参考訳（メタデータ） (2026-05-28T17:11:43Z)
• PaT: Planning-after-Trial for Efficient Test-Time Code Generation [25.264318601226265]
  Planning-after-Trial (PaT) は、検証失敗時にのみプランナーを呼び出すコード生成のための適応的なポリシーである。 検証失敗時にのみプランナーを起動するコード生成のための適応ポリシーであるPaTを提案する。
  論文  参考訳（メタデータ） (2026-05-08T05:09:18Z)
• Planning with Minimal Disruption [9.722824469961925]
  多くの計画アプリケーションでは、目標を達成するために初期状態を最小限に修正する計画を見つけることに興味があるかもしれません。 本稿では,これを正式に導入し,行動コストの合計と計画の混乱の両面を協調的に最適化することを目的とした,様々な計画ベースのコンパイルを定義する。
  論文  参考訳（メタデータ） (2025-08-21T08:38:17Z)
• PLAN-TUNING: Post-Training Language Models to Learn Step-by-Step Planning for Complex Problem Solving [66.42260489147617]
  大規模言語モデルから合成タスク分解を蒸留するフレームワークであるPLAN-TUNINGを紹介する。 複雑な推論を改善するために、教師付きおよび強化学習の目的を通したプランチューン細管モデル。 本分析は,計画軌道が複雑な推論能力をいかに改善するかを示す。
  論文  参考訳（メタデータ） (2025-07-10T07:30:44Z)
• No-Regret Learning Under Adversarial Resource Constraints: A Spending Plan Is All You Need! [56.80767500991973]
  アクション選択の前に報酬とコストが観測される$(i)$オンラインリソース割当と、アクション選択後、完全なフィードバックや盗賊フィードバックの下で、リソース制限付きオンライン学習である$(ii)$オンラインリソース割当に焦点を当てた。 報酬とコスト分布が時間とともに任意に変化する場合、これらの設定でサブ線形後悔を達成することは不可能であることが知られている。 我々は、支出計画に従う基準線に対する半線形後悔を実現する一般的な(基本的)二重的手法を設計し、また、支出計画が予算のバランスの取れた配分を保証すると、アルゴリズムの性能が向上する。
  論文  参考訳（メタデータ） (2025-06-16T08:42:31Z)
• Tree-Planner: Efficient Close-loop Task Planning with Large Language Models [63.06270302774049]
  Tree-Plannerは、大きな言語モデルでタスクプランニングを3つの異なるフェーズに再構成する。 Tree-Plannerは高い効率を維持しながら最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-10-12T17:59:50Z)
• Efficient Algorithms for Planning with Participation Constraints [74.74967476995572]
  我々は[Zhang et al., 2022]に導入された参加制約を伴う計画の問題を考える。 この問題では、プリンシパルが決定プロセスのアクションを選択し、プリンシパルとエージェントの別々のユーティリティが生成される。 有限ホライズン設定では,これまでは$varepsilon$-approximationという付加値しか知られていなかった。
  論文  参考訳（メタデータ） (2022-05-16T15:47:41Z)
• Adversarial Plannning [8.930624061602046]
  計画アルゴリズムは、自律的な振舞いを指示するために計算システムで使用される。 このようなアルゴリズムが、プランナーを阻止しようとする敵に対してどのように機能するかは不明だ。
  論文  参考訳（メタデータ） (2022-05-01T21:43:06Z)
• Efficient Belief Space Planning in High-Dimensional State Spaces using PIVOT: Predictive Incremental Variable Ordering Tactic [11.878820609988693]
  我々は,不確実性の下でのオンライン意思決定の問題点を考察し,信頼空間における計画として定式化する。 このアプローチを PIVOT: Predictive Incremental Variable Ordering Tactic と呼ぶ。 この戦術を適用することで、状態推論の効率も向上する。
  論文  参考訳（メタデータ） (2021-12-29T07:30:47Z)
• On Exploiting Hitting Sets for Model Reconciliation [53.81101846598925]
  ヒューマン・アウェア・プランニングにおいて、プランニング・エージェントは、その計画がなぜ最適なのかを人間に説明する必要があるかもしれない。 この手法はモデル和解と呼ばれ、エージェントはモデルと人間のモデルの違いを調和させようとする。 我々は,計画の領域を超えて拡張されたモデル和解のための論理ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-12-16T21:25:53Z)
• 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。