論文の概要: TaPeR: Probabilistic Recovery of Sparse Task Precedence Graphs from a Handful of Demonstrations

• arxiv url: http://arxiv.org/abs/2608.21035v1
• Date: Fri, 21 Aug 2026 12:31:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.526397
• Title: TaPeR: Probabilistic Recovery of Sparse Task Precedence Graphs from a Handful of Demonstrations
• Title（参考訳）: TaPeR: 手作業によるスパースタスク前処理グラフの確率的復元
• Abstract要約: ロングホライゾン操作タスクは、部分的にのみ順序付けされることが多い。 既存のアプローチは典型的には、時間的および象徴的な監督の両方を用いて人間のデモンストレーションからタスク構造を推測する。 本稿では,単純なキネマティックグラフと相対的なオブジェクトポーズ上の分布のみを用いて,実演からタスク依存構造を抽出する手法を提案する。
• 参考スコア（独自算出の注目度）: 16.604293152314995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-horizon manipulation tasks are often only partially ordered. For example, when assembling an electronic device, the battery and circuit board may be installed in either order, but both must be in place before the enclosure is closed. Recovering such dependencies enables robots to flexibly reorder subtasks while preserving task validity. Existing approaches typically infer task structure from human demonstrations using both temporal and symbolic supervision. However, symbolic predicates require explicit grounding, which is difficult to obtain in realistic settings. In this work, we present an approach for extracting task dependency structures from demonstrations using only simple kinematic graphs and distributions over relative object poses. From these representations, our method estimates pairwise task-step-dependency probabilities and uses them to initialize the edge weights of a precedence graph. We then introduce a filtering pipeline that converts this graph of probability estimates into the final task dependency graph. We evaluate our approach on an existing benchmark and on a new dataset comprising longer tasks with more complex dependencies. We find that our method recovers more accurate task structures from fewer demonstrations than the baselines. Finally, we demonstrate that the inferred graphs can be used to generate multiple valid robotic execution orders for the same task.
• Abstract（参考訳）: ロングホライゾン操作タスクは、部分的にのみ順序付けされることが多い。 例えば、電子機器を組み立てる場合、バッテリーと回路基板はどちらの順序でも設置できるが、どちらも囲いが閉じる前に設置する必要がある。 このような依存関係を回復することで、タスクの妥当性を維持しながら、ロボットは柔軟にサブタスクを並べ替えることができる。 既存のアプローチは典型的には、時間的および象徴的な監督の両方を用いて、人間のデモンストレーションからタスク構造を推測する。 しかし、記号述語は明示的な接地を必要とするため、現実的な環境では入手が困難である。 本研究では,単純なキネマティックグラフと相対的なオブジェクトポーズ上の分布のみを用いて,実演からタスク依存構造を抽出する手法を提案する。 これらの表現から,2つのタスクステップ依存確率を推定し,先行グラフのエッジ重みを初期化する。 次に、確率推定のこのグラフを最終タスク依存グラフに変換するフィルタリングパイプラインを導入する。 我々は、既存のベンチマークと、より複雑な依存関係を持つ長いタスクからなる新しいデータセットに対するアプローチを評価した。 提案手法は,ベースラインよりもデモの少ないタスク構造から,より正確なタスク構造を復元する。 最後に、推論されたグラフを用いて、同一タスクに対して有効な複数のロボット実行順序を生成することを実証する。

関連論文リスト

• Atomic Task Graph: A Unified Framework for Agentic Planning and Execution [13.978062792065215]
  Atomic Task Graph (ATG) は、計画と実行のための統一された制御フレームワークである。 ATGは依存関係を公開するための明示的なグラフを維持し、再利用をサポートする。 ATGは、成功率と実行効率の強いベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-07-02T09:34:20Z)
• SparTa: Sparse Graphical Task Models from a Handful of Demonstrations [18.00619071013106]
  我々は、ロボットがタスクで達成すべきことを、どのように行うべきかではなく、推測することに集中する。 本稿では、一連の操作グラフを抽出し、オブジェクト状態上の分布を推定するデモセグメンテーションとプーリング手法を提案する。 シミュレーションと実ロボットの両方に適合したモデルをデプロイし、結果のタスク表現が環境全体にわたって信頼性の高い実行をサポートすることを示す。
  論文  参考訳（メタデータ） (2026-02-18T21:54:35Z)
• GAP: Graph-Based Agent Planning with Parallel Tool Use and Reinforcement Learning [20.75113227786218]
  グラフベースのエージェント計画(GAP)は、グラフベースの計画を通じてタスク間の依存関係を明示的にモデル化する新しいフレームワークである。 我々のアプローチは、複雑なタスクを依存性を意識したサブタスクグラフに分解する基礎モデルを訓練する。 この依存性を意識したオーケストレーションは、実行効率とタスクの正確性の両方で大幅に改善される。
  論文  参考訳（メタデータ） (2025-10-29T09:35:55Z)
• Plan-over-Graph: Towards Parallelable LLM Agent Schedule [53.834646147919436]
  大規模言語モデル(LLM)はタスク計画の推論において例外的な能力を示した。 本稿では,まず実生活のテキストタスクを実行可能なサブタスクに分解し,抽象的なタスクグラフを構築する,新しいパラダイムであるプランオーバーグラフを提案する。 モデルはこのタスクグラフを入力として理解し、並列実行計画を生成する。
  論文  参考訳（メタデータ） (2025-02-20T13:47:51Z)
• Large Language Models as Realistic Microservice Trace Generators [48.730974361862366]
  本稿では,大規模言語モデル (LLM) を用いて, 合成作業負荷トレースを生成する手法を提案する。 我々はTraceLLMが様々な条件下で多様なリアルなトレースを生成し、精度と妥当性の両方において既存のアプローチよりも優れていることを示す。 TraceLLMは、キートレース機能を予測したり、欠落したデータを埋め込むといった、下流のトレース関連タスクに適応する。
  論文  参考訳（メタデータ） (2024-12-16T12:48:04Z)
• Instance-Aware Graph Prompt Learning [71.26108600288308]
  本稿では,インスタンス対応グラフプロンプト学習(IA-GPL)について紹介する。 このプロセスでは、軽量アーキテクチャを使用して各インスタンスの中間プロンプトを生成する。 複数のデータセットと設定で実施された実験は、最先端のベースラインと比較して、IA-GPLの優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-11-26T18:38:38Z)
• MATCH POLICY: A Simple Pipeline from Point Cloud Registration to Manipulation Policies [25.512068008948603]
  MATCH POLICYは、高精度なピックと配置タスクを解決するパイプラインである。 アクション推論をポイントクラウド登録タスクに転送する。 非常に高いサンプル効率と、目に見えない構成への一般化性を実現する。
  論文  参考訳（メタデータ） (2024-09-23T20:09:43Z)
• Multimodal Subtask Graph Generation from Instructional Videos [51.96856868195961]
  実世界のタスクは複数の相互依存サブタスクから構成される。 本研究では,タスクを記述する指導ビデオから,そのようなサブタスク間の因果関係をモデル化することを目的とする。 マルチモーダルなサブタスクグラフ生成(MSG2)を提案する。これは、ノイズの多いWebビデオからタスクに関連するタスクのサブタスク間の依存性を定義するサブタスクグラフを構築するアプローチである。
  論文  参考訳（メタデータ） (2023-02-17T03:41:38Z)
• Sequential Manipulation Planning on Scene Graph [90.28117916077073]
  我々は,効率的な逐次タスク計画のための3次元シーングラフ表現であるコンタクトグラフ+(cg+)を考案する。 ゴール設定は、自然にコンタクトグラフに指定され、最適化法を用いて遺伝的アルゴリズムによって作成することができる。 次に、初期接触グラフと目標設定との間のグラフ編集距離(GED)を計算してタスクプランを簡潔化し、ロボット動作に対応するグラフ編集操作を生成する。
  論文  参考訳（メタデータ） (2022-07-10T02:01:33Z)
• Arch-Graph: Acyclic Architecture Relation Predictor for Task-Transferable Neural Architecture Search [96.31315520244605]
  Arch-Graphはタスク固有の最適アーキテクチャを予測するトランスファー可能なNASメソッドである。 Arch-Graphの転送性と,多数のタスクにわたる高いサンプル効率を示す。 わずか50モデルの予算の下で、2つの検索スペースで平均して0.16%と0.29%のアーキテクチャを見つけることができる。
  論文  参考訳（メタデータ） (2022-04-12T16:46:06Z)
• RICE: Refining Instance Masks in Cluttered Environments with Graph Neural Networks [53.15260967235835]
  本稿では,インスタンスマスクのグラフベース表現を利用して,そのような手法の出力を改良する新しいフレームワークを提案する。 我々は、セグメンテーションにスマートな摂動をサンプリングできるディープネットワークと、オブジェクト間の関係をエンコード可能なグラフニューラルネットワークを訓練し、セグメンテーションを評価する。 本稿では,本手法によって生成された不確実性推定を用いてマニピュレータを誘導し,乱れたシーンを効率的に理解するアプリケーションについて紹介する。
  論文  参考訳（メタデータ） (2021-06-29T20:29:29Z)
• Time-varying Graph Representation Learning via Higher-Order Skip-Gram with Negative Sampling [0.456877715768796]
  我々は,スキップグラム埋め込み手法が行列分解を暗黙的に行うという事実に基づいて構築する。 負のサンプリングを持つ高次スキップグラムは、ノードと時間の役割を乱すことができることを示す。 提案手法を時間分解型対面近接データを用いて実証的に評価し,学習した時間変化グラフ表現が最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-25T12:04:48Z)

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。