Fugu-MT 論文翻訳(概要): Towards Numerical TOHTN Planning with SMT-based HTN-SAT Encoding

論文の概要: Towards Numerical TOHTN Planning with SMT-based HTN-SAT Encoding

arxiv url: http://arxiv.org/abs/2609.03938v1
Date: Thu, 03 Sep 2026 14:44:37 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-04 18:28:39.119532
Title: Towards Numerical TOHTN Planning with SMT-based HTN-SAT Encoding
Title（参考訳）: SMTに基づくHTN-SAT符号化によるTOHTN計画に向けて
Abstract要約: 本稿では,SAT ベースの標準符号化を SMT で自然に拡張し,数値流束を扱う方法を示す。数値TOHTN計画のためのベンチマークスイートを導入し、評価のための最初の共通基盤を提供する。
参考スコア（独自算出の注目度）: 0.7773045483342574
License: http://creativecommons.org/licenses/by/4.0/
Abstract: While HTN planning has received significant attention in recent years, support for numerical reasoning remains very limited. In this paper, we investigate numerical Totally-Ordered HTN (TOHTN) planning and show how standard SAT-based encodings can be naturally extended with SMT to handle numeric fluents. In addition, we introduce a benchmark suite for numerical TOHTN planning, providing a first common basis for evaluation in this setting. Experimental results show that this simple encoding already constitutes a competitive baseline. This work opens the way to more expressive approaches to HTN planning.
Abstract（参考訳）: 近年、HTN計画が注目されているが、数値推論のサポートは非常に限られている。本稿では, 数値順序付きHTN (Total-Ordered HTN) 計画について検討し, 数値流束を扱うために, SMT を用いて SAT ベースの標準符号化をどのように自然に拡張できるかを示す。さらに,数値TOHTN計画のためのベンチマークスイートを導入し,この設定で評価を行うための最初の共通基盤を提供する。実験により、この単純な符号化は、既に競合するベースラインを構成していることが示された。この作業は、HTN計画に対するより表現力豊かなアプローチへの道を開く。

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)
Hierarchical Task Network Planning with LLM-Generated Heuristics [45.222898125439286]
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。
論文参考訳（メタデータ） (2026-05-08T13:14:31Z)
Do It for HER: First-Order Temporal Logic Reward Specification in Reinforcement Learning (Extended Version) [49.462399222747024]
本研究では,大規模状態空間を持つ決定過程(MDP)における非マルコフ報酬の論理的仕様に関する新しい枠組みを提案する。我々のアプローチは有限トレース(LTLfMT)上での線形時間論理モデュロ理論を利用する本稿では,報酬マシンとHER(Hindsight Experience Replay)をベースとした一階述語論理仕様の翻訳手法を提案する。
論文参考訳（メタデータ） (2026-02-05T22:11:28Z)
Unlocking Symbol-Level Precoding Efficiency Through Tensor Equivariant Neural Network [84.22115118596741]
シンボルレベルのプリコーディングにおいて,推論の複雑さの低いエンドツーエンドディープラーニング(DL)フレームワークを提案する。提案手法は,従来の手法よりも約80倍の高速化を実現しつつ,SLPの大幅な性能向上を達成できることを示す。
論文参考訳（メタデータ） (2025-10-02T15:15:50Z)
Multi-Scale Finetuning for Encoder-based Time Series Foundation Models [67.95907033226585]
時系列基礎モデル (TSFM) は, 時系列予測において印象的なゼロショット性能を示す。直感的な微調整はパフォーマンスの向上をもたらすが、TSFMの能力を完全に活用するには不十分である、と我々は主張する。マルチスケール・ファインタニング(MSFT)は,マルチスケール・モデリングをファインタニング・プロセスに明示的に統合する,シンプルながら汎用的なフレームワークである。
論文参考訳（メタデータ） (2025-06-17T01:06:01Z)
SibylSat: Using SAT as an Oracle to Perform a Greedy Search on TOHTN Planning [2.2276906461400054]
本稿では,全順序付きHTN問題(TOHTN)を効率的に解くためのSATベースの新しい手法であるSibylSatを提案する。広く普及しているSATベースのHTNプランナとは対照的に,SibylSatでは,拡張のための有望な分解を識別可能な,フレディな検索アプローチを採用している。実験により、SybylSatは既存のSATベースのTOHTNアプローチよりも、ほとんどのIPCベンチマークで実行時と計画品質の両方において優れていることが示された。
論文参考訳（メタデータ） (2024-11-04T12:37:59Z)
Prefix Text as a Yarn: Eliciting Non-English Alignment in Foundation Language Model [50.339632513018934]
教師付き微調整(SFT)は、基礎大言語モデル(LLM)の出力を特定の嗜好に合わせるための単純なアプローチである。我々はこの仮説を言語間タスクの範囲内で批判的に検証する。タスク関連トークンを最小化するPreTTYという新しいトレーニングフリーアライメント手法を提案する。
論文参考訳（メタデータ） (2024-04-25T17:19:36Z)
Multi-Valued Partial Order Plans in Numeric Planning [14.290119665435121]
まずは、検索問題として制限タスクとして知られる数値計画問題を再構築することから始める。次に、ブールアンを用いてNP完全計画の断片をいかに見つけられるかを示す。これを実現するために、我々は、多値部分順序計画の考え方を発展させる。
論文参考訳（メタデータ） (2023-07-27T07:24:30Z)
Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
論文参考訳（メタデータ） (2023-05-18T03:08:18Z)
Decoder Tuning: Efficient Language Understanding as Decoding [84.68266271483022]
本稿では,タスク固有のデコーダネットワークを出力側で最適化するデコーダチューニング(DecT)を提案する。勾配ベースの最適化により、DecTは数秒以内にトレーニングでき、サンプル毎に1つのPクエリしか必要としない。我々は、広範囲にわたる自然言語理解実験を行い、DecTが200ドル以上のスピードアップで最先端のアルゴリズムを大幅に上回っていることを示す。
論文参考訳（メタデータ） (2022-12-16T11:15:39Z)
An Efficient HTN to STRIPS Encoding for Concurrent Plans [0.0]
STRIPSエンコーディングに新たなHTNを提案する。提案手法は,階層型IPCベンチマークにおける従来の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-06-14T18:18:22Z)
Linear Temporal Logic Modulo Theories over Finite Traces (Extended Version) [72.38188258853155]
有限トレース(LTLf)上の線形時間論理について検討する。命題の文字は任意の理論で解釈された一階述語式に置き換えられる。 Satisfiability Modulo Theories (LTLfMT) と呼ばれる結果の論理は半決定可能である。
論文参考訳（メタデータ） (2022-04-28T17:57:33Z)
A Well-Composed Text is Half Done! Composition Sampling for Diverse Conditional Generation [79.98319703471596]
高品質の条件付き生成のための多種多様な出力を生成するための簡易で効果的な合成サンプリング法であるコンポジションサンプリングを提案する。これは最近提案された計画ベースのニューラルジェネレーションモデルに基づいて構築され、まず最初に出力の合成を作成し、それと入力を条件付けして生成するように訓練される。
論文参考訳（メタデータ） (2022-03-28T21:24:03Z)

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。