論文の概要: Conditional Timed Partial Orders: An Expressive and Interpretable Framework for Robot Task Specification and Planning

• arxiv url: http://arxiv.org/abs/2609.07905v1
• Date: Mon, 07 Sep 2026 19:18:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 20:14:10.007466
• Title: Conditional Timed Partial Orders: An Expressive and Interpretable Framework for Robot Task Specification and Planning
• Title（参考訳）: 条件付き時間部分順序:ロボットタスク仕様と計画のための表現的で解釈可能なフレームワーク
• Abstract要約: 条件付きTPO(cTPO)は、混合整数線形プログラミング(MILP)に基づく計画アルゴリズムによるロボットタスク仕様の解釈可能なフレームワークを提供する 我々は,cTPOの計画がMILP問題に還元されることも示している。 我々は、cTPOを小さなサブTPOに分割し、より小さなMILP問題列を生成する分解アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 9.370068250965433
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Timed Partial Orders (TPOs), originally proposed for workflows, provide an interpretable framework for robot task specification with planning algorithms based on mixed-integer linear programming (MILP). However, TPOs are limited in expressivity, capturing only partial-order events with simple timing constraints. In this paper, we introduce Conditional TPOs (cTPOs), which extend TPOs with richer relative-timing constraints and conditional event activations based on environmental conditions. We show that planning for cTPOs also reduces to an MILP problem; however, the added expressivity results in significantly larger MILPs that can become computationally intractable. To address this challenge, we propose a decomposition algorithm that partitions a cTPO into smaller sub-TPOs, yielding a sequence of smaller MILP problems. We prove that this decomposition is complete and preserves plan optimality while improving the interpretability of complex tasks. Experimental results demonstrate the effectiveness of cTPOs as a task specification framework and the efficiency of our decomposition approach, achieving up to four orders of magnitude speedup over the monolithic MILP.
• Abstract（参考訳）: Timed partial Orders (TPO) は、もともとワークフローのために提案され、混合整数線形プログラミング(MILP)に基づく計画アルゴリズムによるロボットタスク仕様の解釈可能なフレームワークを提供する。 しかし、TPOは表現性に制限があり、単純なタイミング制約で部分順序イベントのみをキャプチャする。 本稿では,環境条件に基づいて,TPOをよりリッチな相対的刺激制約と条件付きイベントアクティベーションで拡張する条件付きTPO(cTPO)を紹介する。 我々は,cTPOの計画がMILP問題に還元されることも示している。 この課題に対処するため、我々はcTPOを小さなサブTPOに分割し、より小さなMILP問題列を生成する分解アルゴリズムを提案する。 この分解が完全であることを証明し、複雑なタスクの解釈性を改善しつつ、計画の最適性を維持する。 課題仕様フレームワークとしてのcTPOの有効性と,分解手法の有効性を実証し,モノリシックMILPの最大4桁の高速化を実現した。

関連論文リスト

• Breaking the Computational Barrier: Provably Efficient Actor-Critic for Low-Rank MDPs [53.412166189410904]
  低ランクマルコフ決定過程(MDPs)の下で広く採用されているRLオーラクルの階層を確立するために,教師付き学習を計算プロキシとして利用する。 本研究の目的は,政策評価にのみ依存する新しい楽観的アクター批判アルゴリズムを提案することである。 提案アルゴリズムは,従来の計算コストの高い計画や最適化オーラクルを回避しつつ,既存のサンプル複雑度保証よりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-05-02T04:46:54Z)
• SPPO: Sequence-Level PPO for Long-Horizon Reasoning Tasks [41.49967840381499]
  Sequence-Level PPO (SPPO) は、PPOのサンプルテキスト効率と結果ベースの更新の安定性を調和させるスケーラブルなアルゴリズムである。 SPPOは標準のPPOをはるかに上回り、計算量の多いグループベースの手法の性能に匹敵する。
  論文  参考訳（メタデータ） (2026-04-10T01:58:21Z)
• MATEO: A Multimodal Benchmark for Temporal Reasoning and Planning in LVLMs [2.1793134762413433]
  AIエージェントは、知覚のオーケストレーション、サブゴール分解、実行を含む複雑な目標を達成する計画を立てる必要がある。 時間的実行に対する基礎モデルの理解に関する既存の研究は、自動的に導出されたアノテーション、線形連鎖としてのTEOの近似、テキストのみの入力に限られる。 実世界の計画に必要なLVLM(Large Vision Language Models)の時間的推論能力の評価と改善を目的としたベンチマークであるMATEOを紹介する。
  論文  参考訳（メタデータ） (2026-02-16T09:41:50Z)
• Graph-Enhanced Deep Reinforcement Learning for Multi-Objective Unrelated Parallel Machine Scheduling [0.0]
  本稿では,PPOとグラフニューラルネットワークを用いた深層強化学習フレームワークを提案する。 GNNは、ジョブ、マシン、セットアップの複雑な状態を効果的に表現し、PPOエージェントが直接スケジューリングポリシーを学習できるようにする。
  論文  参考訳（メタデータ） (2026-02-08T16:54:47Z)
• 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)
• 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)
• Haste Makes Waste: Evaluating Planning Abilities of LLMs for Efficient and Feasible Multitasking with Time Constraints Between Actions [56.88110850242265]
  本稿では,現実の調理シナリオに基づいた新しいベンチマークフレームワークRecipe2Planを紹介する。 従来のベンチマークとは異なり、Recipe2Planは並列タスク実行による調理時間を最適化するためにエージェントに挑戦する。
  論文  参考訳（メタデータ） (2025-03-04T03:27:02Z)
• PlanGEN: A Multi-Agent Framework for Generating Planning and Reasoning Trajectories for Complex Problem Solving [89.60370366013142]
  制約,検証,選択という3つの重要な要素を持つモデルに依存しない,スケーラブルなエージェントフレームワークであるPlanGENを提案する。 具体的には、推論時間アルゴリズムの性能を向上させるために、制約誘導反復検証を提案する。
  論文  参考訳（メタデータ） (2025-02-22T06:21:56Z)
• Capacity-Aware Planning and Scheduling in Budget-Constrained Multi-Agent MDPs: A Meta-RL Approach [12.116400321124594]
  容量・予算制約型マルチエージェントMDP(CB-MA-MDP)について検討する。 本稿では,大規模システムに対して,引き続きトラクタブルな2段階のソリューションを提案する。
  論文  参考訳（メタデータ） (2024-10-28T17:48:45Z)
• Benchmarking Agentic Workflow Generation [80.74757493266057]
  複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。 また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。 我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
  論文  参考訳（メタデータ） (2024-10-10T12:41:19Z)
• 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)
• Conformal Temporal Logic Planning using Large Language Models [26.793426646439073]
  我々は、自然言語(NL)で表される複数のハイレベルなサブタスクを、時間的・論理的な順序で達成する必要があるとみなす。 私たちの目標は、ロボットアクションのシーケンスとして定義された計画を立てることです。 我々は,既存の象徴的プランナーの新たな統合に依存した階層型ニューロシンボリックプランナーであるHERACLEsを提案する。
  論文  参考訳（メタデータ） (2023-09-18T19:05:25Z)
• PromptSum: Parameter-Efficient Controllable Abstractive Summarization [4.145362426026615]
  本稿では,PTとマルチタスク目的と個別エンティティプロンプトを組み合わせた抽象的な要約手法であるPromptSumを紹介する。 我々のモデル競合ROUGEは、一般的な抽象的な要約ベンチマークと、エンティティによる強い制御性を組み合わせた結果である。
  論文  参考訳（メタデータ） (2023-08-06T13:54:14Z)
• On efficient computation in active inference [1.1470070927586016]
  計算量を大幅に減らした有限時間地平線に対する新しい計画アルゴリズムを提案する。 また、新規かつ既存のアクティブな推論計画スキームに対して適切な目標分布を設定するプロセスを簡単にする。
  論文  参考訳（メタデータ） (2023-07-02T07:38:56Z)
• Sequence-Based Plan Feasibility Prediction for Efficient Task and Motion Planning [36.300564378022315]
  本稿では,移動環境における移動操作問題を解決するための学習可能なタスク・アンド・モーション・プランニング(TAMP)アルゴリズムを提案する。 本アルゴリズムのコアは,タスク計画,目標,初期状態を考慮したトランスフォーマーに基づく新しい学習手法であるPIGINetであり,タスク計画に関連する運動軌跡の発見確率を予測する。
  論文  参考訳（メタデータ） (2022-11-03T04:12:04Z)

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。