論文の概要: A Fully Differentiable Neuro-Soft-Symbolic Framework for Perceptual Task Planning

• arxiv url: http://arxiv.org/abs/2609.21221v1
• Date: Fri, 18 Sep 2026 02:08:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.827084
• Title: A Fully Differentiable Neuro-Soft-Symbolic Framework for Perceptual Task Planning
• Title（参考訳）: 知覚タスク計画のための完全微分可能な神経ソフト・シンボリックフレームワーク
• Abstract要約: 視覚知覚とタスクプランニングを結合する、汎用的で、完全に差別化可能なニューラルソフト・シンボリック・フレームワークを導入する。 Blocksworldでは、40/40のLatPlan-40タスクと596/600のPlanBench-600タスクを、33/40のLatPlanと587/600の推論モデルベースラインと比較した。 知覚不確実性アブレーションでは, 凍結した知覚で59%から83%に改善した。
• 参考スコア（独自算出の注目度）: 11.4334803806548
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Perceptual planning tasks require two key capabilities: accurately perceiving uncertain scenes and planning valid action sequences following logical rules. Conventional methods convert perception into discrete symbolic facts and then plan, discarding perceptual uncertainty and severing task-level feedback to perception. We introduce a generic, fully differentiable neuro-soft-symbolic framework that connects visual perception and task planning within a single computational graph. The framework maintains a continuous soft symbolic state, lifts domain rules into a differentiable soft-$T_P$ transition operator, and optimizes action logits over a short planning horizon. Gradients from the planning objective can also update the perception parameters, allowing task-relevant perceptual representations to be refined during planning. On Blocksworld, our method solves 40/40 LatPlan-40 tasks and 596/600 PlanBench-600 tasks, compared with 33/40 for LatPlan and 587/600 for the reasoning-model baseline, while requiring substantially less computation and time. In the perceptual-uncertainty ablation, our method improves the success rate from 59\% with frozen perception to 83\%. We further conduct task-and-motion simulations on Blocksworld scenes, providing an execution-level validation of the compatibility between decoded task plans and downstream robotic motion execution.
• Abstract（参考訳）: 知覚的な計画タスクには、不確実なシーンを正確に認識し、論理ルールに従って有効なアクションシーケンスを計画する、という2つの重要な機能が必要です。 従来の方法では、知覚を個別の象徴的な事実に変換して計画し、知覚の不確実性を排除し、タスクレベルのフィードバックを知覚に与える。 本稿では,視覚知覚とタスク計画を1つの計算グラフで結合する,汎用的で完全に微分可能なニューラルソフト・シンボリック・フレームワークを提案する。 このフレームワークは、連続したソフトなシンボル状態を維持し、ドメインルールを微分可能なソフトなT_P$トランジション演算子に持ち上げ、短い計画地平線上でアクションロジットを最適化する。 計画目標からのグラディエントは、認識パラメータを更新することもでき、計画中にタスク関連パーセプティブ表現を洗練できる。 Blocksworldでは,40/40のLatPlan-40タスクと596/600のPlanBench-600タスクを,推論モデルベースラインでは33/40,587/600タスクと比較する。 パーセプチュアル不確実性アブレーションでは, 59 %から83 %に改善した。 我々はさらにBlocksworldのシーンでタスク・アンド・モーションのシミュレーションを行い、デコードされたタスク計画と下流のロボット動作の実行との互換性の実行レベル検証を提供する。

関連論文リスト

• Planning in 8 Tokens: A Compact Discrete Tokenizer for Latent World Model [76.30055935418561]
  そこで我々は,各観測結果を最大8個のトークンに圧縮し,計算コストを大幅に削減し,計画に必要な情報を保存するためのトークンであるCompACTを提案する。 アクション条件付きワールドモデルは、CompACTトークンライザを占有し、桁違いの高速計画による競合計画性能を達成し、現実世界のワールドモデルの展開に向けた実践的なステップを提供する。
  論文  参考訳（メタデータ） (2026-03-05T18:00:02Z)
• Neural MP: A Generalist Neural Motion Planner [75.82675575009077]
  運動計画問題にデータ駆動学習を大規模に適用することで,これを実現する。 提案手法は, シミュレーションの複雑なシーンを多数構築し, モーションプランナーから専門家のデータを収集し, 反応的なジェネラリストポリシーに抽出する。 我々は,4つの異なる環境における64の動作計画タスクについて,その方法の徹底的な評価を行う。
  論文  参考訳（メタデータ） (2024-09-09T17:59:45Z)
• 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)
• Planning as In-Painting: A Diffusion-Based Embodied Task Planning Framework for Environments under Uncertainty [56.30846158280031]
  具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。 In-paintingとしての計画」というタスク非依存の手法を提案する。 提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-12-02T10:07:17Z)
• Optimal task and motion planning and execution for human-robot multi-agent systems in dynamic environments [54.39292848359306]
  本稿では,タスクのシーケンシング,割り当て,実行を最適化するタスクと動作計画の組み合わせを提案する。 このフレームワークはタスクとアクションの分離に依存しており、アクションはシンボル的タスクの幾何学的実現の可能な1つの可能性である。 ロボットアームと人間の作業員がモザイクを組み立てる共同製造シナリオにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2023-03-27T01:50:45Z)
• A Framework for Neurosymbolic Robot Action Planning using Large Language Models [3.0501524254444767]
  本稿では,象徴的タスク計画と機械学習アプローチのギャップを埋めることを目的としたフレームワークを提案する。 大規模言語モデル(LLM)を計画ドメイン定義言語(PDDL)と互換性のあるニューロシンボリックタスクプランナーに訓練する根拠 選択されたドメインにおける予備的な結果から, (i) テストデータセットの95.5%の問題を1,000個のサンプルで解決し, (ii) 従来のシンボルプランナーよりも最大13.5%短いプランを作成し, (iii) 計画の可利用性の平均待ち時間を61.4%まで削減する。
  論文  参考訳（メタデータ） (2023-03-01T11:54:22Z)
• 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)
• Long-Horizon Planning and Execution with Functional Object-Oriented Networks [79.94575713911189]
  タスク計画と実行のためのFOONとしてオブジェクトレベルの知識を活用するというアイデアを紹介します。 提案手法では,FOONをPDDLに自動変換し,市販のプランナ,アクションコンテキスト,ロボットスキルを活用する。 我々はCoppeliaSimの長期タスクに対するアプローチを実証し、学習されたアクションコンテキストを、これまで見たことのないシナリオにどのように拡張できるかを示す。
  論文  参考訳（メタデータ） (2022-07-12T19:29:35Z)
• Learning to Search in Task and Motion Planning with Streams [20.003445874753233]
  ロボット工学におけるタスク計画問題と動作計画問題は、個別のタスク変数に対するシンボリック計画と、連続状態および動作変数に対する動作最適化を組み合わせたものである。 対象と事実の集合を最優先的に拡張する幾何学的情報に基づく記号プランナを提案する。 ブロックスタッキング操作タスクにおいて,このアルゴリズムを7DOFロボットアームに適用する。
  論文  参考訳（メタデータ） (2021-11-25T15:58:31Z)

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。