Deep Reinforcement Learning with a Natural Language Action Space
University of Washington(华盛顿大学);Microsoft Research(微软研究院)
本文介绍了一种新的强化学习架构,该架构具有深度神经网络,旨在处理以自然语言为特征的状态和动作空间,如基于文本的游戏中所发现的。该架构被称为深度强化相关网络(DRRN),它用独立的嵌入向量表示动作和状态空间,并结合交互函数来近似强化学习中的Q函数。我们在两个流行的文本游戏上评估了DRRN,显示出优于其他深度Q学习架构的性能。对释义动作描述的实验表明,该模型是在提取意义,而不是简单地记忆文本字符串。
2016-06-08 cs.AI cs.CL cs.LG
"Think Before You Speak": Improving Multi-Action Dialog Policy by Planning Single-Action Dialogs
China Mobile Research(中国移动研究院)
多动作对话策略(MADP),它产生多个原子对话动作,已被广泛应用于面向任务的对话系统,以提供富有表现力的和有效的系统响应。现有的MADP模型通常从标记的多动作对话样本中模仿动作组合。由于数据的限制,它们对看不见的对话流的概括性很差。虽然交互式学习和强化学习算法可以应用于合并真实用户和用户模拟器的外部数据源,但它们需要大量的手动工作来构建并且具有不稳定性。为了解决这些问题,我们提出了规划增强对话策略(PEDP),一种新的多任务学习框架,学习单动作对话动态,以增强多动作预测。我们的PEDP方法采用基于模型的规划,通过模拟单动作对话框,在决定当前响应之前构思要表达的内容。在MultiWOZ数据集上的实验结果表明,我们基于完全监督学习的方法实现了90.6%的可靠任务成功率,与最先进的方法相比提高了3%。
2022-04-25 cs.AI cs.CL
Aligning an optical interferometer with beam divergence control and continuous action space
Russian Quantum Center(俄罗斯量子中心);Moscow Institute of Physics and Technology(莫斯科物理技术学院);University of Oxford(牛津大学)
强化学习正在寻找一条通往现实世界问题应用的道路,从模拟环境转移到物理设置。在这项工作中,我们实现了基于视觉的光学马赫-曾德尔干涉仪与共焦望远镜在一个手臂,控制相应的光束的直径和发散度的对齐。我们使用连续的动作空间;指数缩放使我们能够处理超过两个数量级的动作。我们的代理仅在具有域随机化的模拟环境中进行训练。在实验评估中,代理显着优于现有的解决方案和人类专家。
2021-11-16 cs.AI cs.LG cs.RO
Parametrized Deep Q-Networks Learning: Reinforcement Learning with Discrete-Continuous Hybrid Action Space
Tencent AI Lab(腾讯人工智能实验室);Princeton University(普林斯顿大学);Northwestern University(西北大学)
大多数现有的深度强化学习(DRL)框架只考虑离散动作空间或连续动作空间。受计算机游戏中应用的启发,我们考虑了离散-连续混合动作空间的场景。为了处理混合动作空间,以前的工作要么近似的混合空间离散化,或放松到一个连续的集合。在本文中,我们提出了一个参数化的深度Q网络(P-DQN)框架的混合行动空间没有近似或松弛。该算法结合了DQN(处理离散动作空间)和DDPG(处理连续动作空间)的思想,将它们无缝融合。仿真算例、RoboCup足球比赛进球和王者荣耀单人模式下的实验结果验证了该方法的有效性。
2018-10-10 cs.AI cs.LG stat.ML
From semantics to execution: Integrating action planning with reinforcement learning for robotic causal problem-solving
强化学习是在噪声条件下鲁棒地执行低级别机器人控制的适当且成功的方法。符号行动计划有助于解决因果依赖关系,并将因果关系复杂的问题分解为一系列更简单的高级行动。这两种方法的集成的一个问题是,行动规划是基于离散的高级动作和状态空间,而强化学习通常是由连续的奖励函数驱动。然而,强化学习的最新进展,特别是通用价值函数逼近器和事后经验重放,都集中在基于稀疏奖励的目标无关方法上。在本文中,我们建立在这些新方法的基础上,通过利用奖励稀疏性作为高级和低级状态和控制空间之间的桥梁,促进行动规划与强化学习的集成。因此,我们证明了集成的神经符号的方法是能够解决对象操作问题,涉及工具使用和非平凡的因果依赖关系在嘈杂的条件下,利用数据和知识。
2019-12-08 cs.AI cs.LG cs.RO
Voronoi Progressive Widening: Efficient Online Solvers for Continuous State, Action, and Observation POMDPs
University of California, Berkeley(加州大学伯克利分校);University of Colorado Boulder(科罗拉多大学博尔德分校)
本文介绍了Voronoi渐进加宽(VPW),Voronoi乐观优化(VOO)和行动渐进加宽部分可观测马尔可夫决策过程(POMDPs)的推广。树搜索算法可以使用VPW有效地处理连续或混合动作空间,有效地平衡局部和全局动作搜索。本文提出了两种基于VPW的算法,并从理论和仿真的角度进行了分析。Voronoi乐观加权稀疏采样(VOWSS)是一种理论工具,证明了基于VPW的在线求解器,它是第一个具有连续状态,动作和观测POMDPs全局收敛保证的算法。VOMCPOW是一种多功能和高效的算法,在几个仿真实验中始终优于最先进的POMDP算法。
2021-04-01 cs.AI cs.LG cs.RO
Predicting Plans and Actions in Two-Player Repeated Games
Brigham Young University(杨百翰大学)
人工智能(AI)代理将需要与其他人工智能智能体和人类进行交互。创建关联模型有助于预测建模代理的行动,计划和意图。本文介绍了在重复游戏中预测动作、计划和意图的算法,并对算法进行了探索。我们形成了一个生成贝叶斯方法模型S#。S#被设计为一个鲁棒的算法,它学习在2 × 2矩阵游戏中与它的伙伴合作。从文献中识别与每个S#专家相关联的动作、计划和意图,相应地对S#专家进行分组,从而基于其状态概率来预测动作、计划和意图。两种预测方法的囚徒困境:最大后验概率(MAP)和聚合方法进行了探讨。MAP(~89%的准确度)在动作预测方面表现最好。这两种方法都预测了S#的计划,准确率约为88%。配对T检验表明,MAP在预测S#的行为方面明显优于聚合,而不会产生廉价的谈话。意图的基础上探索的S#专家的目标,结果表明,目标准确预测建模S#。所得到的结果表明,所提出的贝叶斯方法是非常适合在两个球员重复游戏建模代理。
2020-04-26 cs.AI cs.GT cs.HC
Handling Defeasibilities in Action Domains
可废止性的表示是常识推理中的一个重要问题。在关于动作和变化的推理中,这个问题变得更加困难,因为与领域和动作相关的可废止信息可能与一般的惯性规则相冲突。此外,在推理过程中,不同类型的可废止信息也可能相互干扰。在本文中,我们开发了一个优先级逻辑编程方法来处理失败的推理行动。特别地,我们提出了三种动作语言{ \cal AT}^{0}、{ \cal AT}^{1}和{ \cal AT}^{2},它们分别处理动作域中的三种类型的失效,即失效约束、失效观测和具有失效和异常效应的动作。每一种带有较高上标的语言都可以被看作是带有较低上标的语言的扩展。这些动作语言继承了{ \cal A}语言的简单语法,但它们的语义是根据转换系统开发的,其中转换函数是基于优先级逻辑程序定义的。通过说明各种例子,我们表明,我们的方法最终提供了一个强大的机制来处理时间预测和postdiction中的各种defaetness。我们还调查了这三个动作语言的语义特性和动作域的特征类,提出了更理想的解决方案,在推理行动的基础动作语言。
2002-06-03 cs.AI
Source-Lifted Flow Matching for Intervenable Multimodal Imitation
研究提出源提升流匹配(SL - FM)解决多模态模仿学习中流匹配策略随机性被动问题,核心机制为正交源提升,实验表明其能将被动源随机性转化为可操作变量,提升多模态控制性能。
2026-09-29 cs.AI cs.RO
Processing Natural Language About Ongoing Actions
行动可能无法按计划进行;它们可能被中断、恢复或推翻。这是在自然语言理解系统中处理的挑战。我们描述了扩展到现有的实现控制的自治系统的自然语言,使这样的系统来处理传入的语言请求有关的行动。语言与自治系统的通信(LCAS)已经扩展了对X-net的支持,X-net是表示动作的参数化可执行模式。X-net使系统能够以期望的粒度级别控制操作,同时提供异步处理语言请求的机制。支持的标准语义包括停止、继续或覆盖现有操作的请求。所演示的特定域是模拟机器人的运动控制,但该方法是通用的,并且可以应用于其他域。
2016-07-30 cs.AI cs.CL cs.HC
Knowledge And The Action Description Language A
我们介绍了Ak,扩展的动作描述语言A(Gelfond和Lifschitz,1993年)来处理影响知识的动作。我们使用传感器的行动,以增加代理的知识的世界和非确定性的行动,以消除知识。我们在查询语言中包含了涉及条件和循环的复杂计划,用于假设推理。我们还提出了一个翻译的Ak域描述到认知逻辑程序。
2004-04-24 cs.AI
Discovering Underlying Plans Based on Distributed Representations of Actions
Sun Yat-Sen University(中山大学);Arizona State University(亚利桑那州立大学)
计划识别旨在发现目标计划(即,动作序列),并具有历史计划库或领域模型。先前的方法或者通过将观察到的动作最大程度地“匹配”到计划库来发现计划(假设目标计划来自计划库),或者通过执行领域模型来最好地解释观察到的动作来推断计划(假设完整的领域模型可用)。然而,在现实世界的应用中,目标规划通常不是来自规划库,并且完整的领域模型通常不可用,因为构建完整的规划集和完整的领域模型通常是困难的或昂贵的。在本文中,我们将计划库视为语料库,并使用语料库学习动作的矢量表示;然后,我们根据矢量表示发现目标计划。我们的方法是能够发现潜在的计划,不是从计划库,而不需要提供领域模型。我们实证证明了我们的方法的有效性,通过比较其性能与传统的计划识别方法在三个规划领域。
2015-11-18 cs.AI
On Computing Plans with Uniform Action Costs
Universidad Carlos III de Madrid(卡洛斯三世大学)
本文针对现实规划中动作成本均匀性的需求,将三种均匀性度量引入自动规划,提出基于规划的编译方法以字典序优化成本总和与均匀性,实验验证了该方法能有效生成均匀计划。
2024-05-24 cs.AI
Learning Features and Abstract Actions for Computing Generalized Plans
University of Basel(巴塞尔大学);ICREA(加泰罗尼亚研究与高等教育学院);Universitat Pompeu Fabra(庞培法布拉大学)
广义规划涉及的是解决规划域的多个实例而不是一个实例的计划的计算。最近,它已被证明,广义计划可以表示为映射的功能值到行动,他们往往可以计算与完全可观察的非确定性(FOND)规划。然而,这些计划中的动作不是实例本身中的动作,这些动作不一定与其他实例通用,而是在一组通用特征上定义的抽象动作。该公式假设特征和抽象动作已经给出。在这项工作中,我们通过展示如何自动学习它们来解决这个限制。由此产生的帐户广义规划结合学习和规划的一种新的方式:一个学习者,最大SAT制定的基础上,产生的功能和抽象的行动,从采样状态转换,和FOND规划器使用这些信息,适当的转换,以产生一般的计划。给出了正确性保证和几个领域的实验结果报告。
2018-11-17 cs.AI
On Learning Action Costs from Input Plans
J.P. Morgan AI Research(摩根大通人工智能研究)
本文提出新问题:学习动作代价使输入规划在所得模型下最优,并设计算法$LACFIP^k$从无标签规划中学习代价,理论和实验验证其有效性。
2025-08-21 cs.AI
Adaptation and Communication in Human-Robot Teaming to Handle Discrepancies in Agents' Beliefs about Plans
Massachusetts Institute of Technology(麻省理工学院)
本文提出一种基于认知逻辑和蒙特卡洛树搜索的人机团队在线执行算法,使智能体能够识别并解决彼此关于可行计划的信念差异,通过适应或通信行动在缺乏共享心智模型的情况下有效协作。
2023-07-07 cs.AI cs.RO
Partial-Order Planning with Concurrent Interacting Actions
University of Toronto(多伦多大学);Ben-Gurion University(本-古里安大学)
为了生成多个执行器,代理团队或分布式控制器的代理计划,我们必须能够表示和计划使用具有交互效果的并发动作。这在历史上被认为是一项具有挑战性的任务,需要一个时间规划者能够明确地推理时间。我们表明,通过简单的修改,可用于表示相互作用的动作的CAMPPS动作表示语言。此外,偏序规划的算法只需要很小的修改,以应用在这样的多智能体域。我们证明了这一事实,通过开发一个健全的和完整的偏序规划与并发的互动行动,POMP,扩展现有的偏序规划者在一个简单的方式规划。这些结果开辟了使用偏序规划的合作多智能体系统的集中控制的方式。
2011-06-01 cs.AI
Handling PDDL3.0 State Trajectory Constraints with Temporal Landmarks
Universitat Politècnica de València(瓦伦西亚理工大学)
时间地标已被证明是一个有用的机制,以处理时间规划问题,特别是提高规划者的性能和处理问题的最后期限约束。在本文中,我们展示了使用时间地标来处理PDDL3.0的状态轨迹约束的强度。我们分析了TempLM的形式主义,时间规划器,特别是针对解决规划问题的最后期限,我们提出了一个详细的研究,利用底层的时间地标为基础的机制TempLM的轨迹约束表示和推理。
2017-06-26 cs.AI
Marvin: A Heuristic Search Planner with Online Macro-Action Learning
University of Strathclyde(思克莱德大学)
本文介绍了参加第四届国际规划竞赛(IPC 4)的规划师马文。Marvin使用动作序列记忆技术来生成宏动作,然后在搜索解决方案时使用这些宏动作。我们提供了一个概述其架构和搜索行为,详细介绍了所使用的算法。我们还实证证明了其功能在各个规划领域的有效性,特别是由于使用宏动作,其搜索行为的新功能,以及ADL和派生谓词的本地支持对性能的影响。
2011-10-12 cs.AI
Spatial Strategies, Not Actions: Vector-Quantized Geodesics as Tools for LLM-Driven Agents
CEREMADE CNRS(CEREMADE 法国国家科学研究中心);Université Paris Dauphine - PSL(巴黎第九大学 - PSL)
本研究提出一种结合向量量化测地线工具库与LLM高层协调的架构,在网格环境中提升智能体空间理解,以低成本达到高目标到达率。
2026-10-02 cs.AI cs.RO cs.SY
Recognizing Plans by Learning Embeddings from Observed Action Distributions
Arizona State University(亚利桑那州立大学)
视觉活动识别的最新进展提高了自动视频监控等应用的可能性。然而,有效的方法,这样的问题需要能够识别的代理商的计划,从视频信息。尽管传统的计划识别算法依赖于对复杂的计划领域模型的访问,但最近一个有希望的方向涉及直接从观察到的活动序列DUP学习近似(或浅)领域模型。一个限制是,这种方法期望观察到的动作序列作为输入。在许多涉及原始数据视觉/传感的情况下,在任何给定时间点的具体行动都存在相当大的不确定性。在这种情况下,我们所能期望的最多是关于当时行动的概率信息。然后,输入将是这些观察到的动作分布的序列。在这项工作中,我们解决的问题,构建一个有效的数据接口,允许一个计划识别模块直接处理这样的观察分布。这样的接口就像低级感知模块和高级计划识别模块之间的桥梁一样工作。我们提出两种方法。第一个涉及将分布序列重新采样为单个动作序列,我们可以从中学习基于学习到的动作(词)嵌入的动作亲和力模型,用于计划识别。第二种是通过我们提出的Distr 2 vec(distribution to vector)模型直接学习动作分布嵌入,构建用于计划识别的亲和度模型。
2018-11-24 cs.AI
Learning STRIPS Action Models with Classical Planning
Universitat Politècnica de València(瓦伦西亚理工大学)
本文提出了一种新的方法,从例子,编译这个归纳学习任务到一个经典的规划任务,学习BIPPS行动模型。有趣的是,编译方法对不同数量的可用输入知识是灵活的;学习示例可以从一组计划(具有相应的初始和最终状态)到一对初始和最终状态(没有给出中间动作或状态)。此外,编译接受部分指定的动作模型,并且它可以用于验证计划执行的观察是否遵循给定的CNOPS动作模型,即使该模型没有完全指定。
2019-03-04 cs.AI
Learning Action Models from Disordered and Noisy Plan Traces
Sun Yat-Sen University(中山大学);Arizona State University(亚利桑那州立大学)
规划界越来越意识到,指定完整的领域模型的负担太高,这阻碍了规划技术在许多现实世界领域中的适用性。虽然有许多学习系统可以帮助自动学习领域模型,但大多数现有的工作都假设输入轨迹是完全正确的。更现实的情况是,规划轨迹是无序和嘈杂的,例如由自然语言描述的规划轨迹。在本文中,我们提出并评估这样做的方法。我们的方法作为输入的一组计划轨迹与无序的行动和噪音和输出的行动模型,可以最好地解释计划的痕迹。我们使用MAX-SAT框架进行学习,其中的约束来自给定的计划轨迹。与传统的动作模型学习器不同,计划轨迹中的状态可以是部分可观察的和噪声的,并且计划轨迹中的动作可以是无序的和并行的。我们证明了我们的方法的有效性,通过一个系统的实证评估与IPC域和现实世界的数据集提取的自然语言文档。
2019-09-09 cs.AI
World Action Planner: Generalizable Robot Decision-Making with Action-Conditioned World Models
Harvard University(哈佛大学)
本研究提出World Action Planner机器人规划系统,结合VLMs与多任务位姿图像条件世界模型,可迭代优化动作规划,在组合任务、新布局等场景中泛化性能优于VLAs、WAMs等端到端策略模型。
2026-10-05 cs.AI cs.RO
Improving Execution Concurrency in Partial-Order Plans via Block-Substitution
本文提出通过块替换优化部分序计划的并发性,通过引入非并发约束条件和资源优化算法,提升计划执行效率。
2026-03-31 cs.AI
Discovering Underlying Plans Based on Shallow Models
Sun Yat-Sen University(中山大学);Arizona State University(亚利桑那州立大学)
计划识别旨在发现目标计划(即,动作序列),并具有历史计划库或领域模型。先前的方法或者通过将观察到的动作最大程度地“匹配”到计划库来发现计划(假设目标计划来自计划库),或者通过执行领域模型来最好地解释观察到的动作来推断计划(假设完整的领域模型是可用的)。然而,在现实世界的应用中,目标规划通常不是来自规划库,并且完整的领域模型通常不可用,因为构建完整的规划集和完整的领域模型通常是困难的或昂贵的。在本文中,我们将计划库视为语料库,并使用语料库学习动作的向量表示,然后基于向量表示发现目标计划。具体来说,我们提出了两种方法,DUP和RNNPlanner,发现基于矢量表示的行动的目标计划。DUP探索了EM风格的框架,通过优化目标计划的概率来捕获本地行动上下文并发现目标计划,而RNNPlanner旨在利用基于RNN(递归神经网络)框架的长期-短期行动上下文来帮助识别目标计划。在实验中,我们经验表明,我们的方法是能够发现潜在的计划,而不是从计划库,不需要提供领域模型。我们证明了我们的方法的有效性,通过比较其性能与传统的计划识别方法在三个规划领域。我们还比较了DUP和RNNPlanner,看看它们的优点和缺点。
2018-03-04 cs.AI
Reasoning and Planning with Sensing Actions, Incomplete Information, and Static Causal Laws using Answer Set Programming
我们在[Son and Baral 2000]中将感知行为和不完全信息的0-近似扩展到具有静态因果律的行为理论,并证明了它在可能世界语义上的可靠性。我们还表明,关于这个近似的条件规划问题是NP完全的。然后,我们提出了一个答案集编程为基础的条件规划,称为ASCP,这是能够产生符合计划和条件计划中存在的传感行动,不完整的信息的初始状态,和静态因果关系的法律。我们证明了我们的实现的正确性,并认为我们的计划是健全的和完整的建议的近似。最后,我们提出的实验结果比较ASCP到其他规划。
2006-05-04 cs.AI
Answer Set Planning Under Action Costs
TU Wien(维也纳工业大学);University of Calabria(卡拉布里亚大学)
最近,规划的基础上回答集编程已被提出作为一种实现声明式规划系统的方法。在本文中,我们提出了语言Kc,它扩展了声明式规划语言K的行动成本。Kc提供了容许和最优计划的概念,这些计划的总行动成本在给定的限制内。所有计划中的最小值(即,最便宜的计划)。正如我们所展示的,这种新颖的语言允许以声明的方式表达一些重要的规划任务。此外,它可以用于表示规划问题下的其他最优性标准,如计算“最短”的计划(步骤数最少),和细化组合的最便宜和最快的计划。我们研究的语言KC的复杂性方面,并提供了一个转换到逻辑程序,这样的规划问题,通过答案集编程解决。此外,我们报告选定的问题的实验结果。我们的经验是令人鼓舞的,答案集规划可能是一个有价值的方法,表达规划系统中,复杂的规划问题可以自然地指定和解决。
2011-06-26 cs.AI
Every Action Based Sensor
Texas A&M University(德克萨斯农工大学)
在研究机器人和规划问题时,一个基本的问题是机器人必须获得的最小信息是什么,以保证任务的完成。Erdmann的基于动作的传感器理论是描述基本信息需求的经典方法。这种方法使用一个计划来导出一种虚拟传感器,它规定了朝着目标前进的行动。我们表明,建立的理论是不完整的:以前的方法获得这样的传感器,使用backchained计划,忽略了一些传感器。此外,存在保证实现目标的计划,其中现有方法无法提供任何基于动作的传感器。我们确定了所有此类计划的共同基本特征。然后,我们将展示如何产生基于行动的传感器,即使在现有的治疗是不够的计划,虽然在这些情况下,他们没有一个典型的传感器。因此,该方法被推广到产生传感器组。最后,我们还表明,这是一个完整的表征基于行动的传感器规划问题,并讨论如何将基于行动的传感器转化为传统的传感器概念。
2020-06-07 cs.AI
Merging plans with incomplete knowledge about actions and goals through an agent-based reputation system
Univ. Carlos III de Madrid(马德里卡洛斯三世大学)
针对认知障碍人群的过渡规划管理需求,提出基于多智能体声誉系统的规划合并框架与多种算法,可在动作与目标相似度未知的情况下生成适用规划,用作智力障碍人群的认知辅助工具。
2024-01-29 cs.AI
PearlVLA: Progressive Embodied Action-Plan Refinement in Latent Space
Imperial College London(帝国理工学院);Tsinghua University(清华大学)
提出PearlVLA框架,通过在VLM潜在空间中进行迭代计划精炼,平衡动作生成效率与显式推理,在LIBERO基准上达到最先进性能。
2026-10-09 cs.AI cs.RO
Text-Based Action-Model Acquisition for Planning
Sun Yat-sen University(中山大学)
虽然已经有能够从计划跟踪学习动作模型的方法,但是还没有从文本观察学习动作模型的工作,与计划跟踪相比,文本观察是普遍的并且更容易从现实世界的应用程序中收集。在本文中,我们提出了一种新的方法来学习自然语言文本的动作模型,结合约束满足和自然语言处理技术。具体来说,我们首先建立一个新的语言模型,从文本中提取计划的痕迹,然后建立一组约束条件,以产生基于提取的计划痕迹的行动模型。然后,我们迭代地改进语言模型和约束,直到我们实现收敛的语言模型和动作模型。我们的经验表明,我们的方法是有效的和高效的。
2022-02-18 cs.AI cs.CL cs.LG
Language Models can Infer Action Semantics for Symbolic Planners from Environment Feedback
University of Southern California(南加州大学)
本文提出PSALM,结合符号规划器与LLM,通过环境反馈自动学习动作语义,将计划成功率从36.4%提升至100%。
2024-11-08 cs.AI cs.CL cs.RO
Generating Executable Action Plans with Environmentally-Aware Language Models
University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校)
针对大语言模型生成的机器人动作规划因未考虑环境而难以执行的问题,提出将环境物体与关系输入LLM、搭配新型评分函数的环境感知规划方法,在VirtualHome和ActivityPrograms上验证可大幅提升规划的可执行性与正确性。
2023-05-02 cs.AI cs.CL cs.RO
A New Dynamic Distributed Planning Approach: Application to DPDP Problems
本文提出一种面向DPDP问题的动态分布式规划方法,在动作集合随环境变化时,由各智能体结合未执行旧动作与新动作,利用遗传算法满足约束并重新生成计划,且通过具体案例验证其效用。
2024-02-24 cs.AI cs.MA
Focused Model-Learning and Planning for Non-Gaussian Continuous State-Action Systems
Massachusetts Institute of Technology(麻省理工学院)
我们介绍了一个框架,模型学习和规划在随机域连续的状态和动作空间和非高斯过渡模型。它是有效的,因为(1)局部模型仅在规划者需要时才被估计;(2)规划者关注与当前规划问题最相关的状态;(3)规划者关注最具信息性和/或高价值的行动。理论分析表明了该方法的有效性和渐近最优性。在一个模拟的多模态推问题上,我们证明了我们的算法的有效性。
2016-10-23 cs.AI cs.LG cs.RO
ThinkAct: Vision-Language-Action Reasoning via Reinforced Visual Latent Planning
NVIDIA;National Taiwan University(国立台湾大学)
本文提出ThinkAct双系统框架,通过强化视觉潜在规划连接多模态大语言模型的高层推理与低层动作执行,在具身AI任务中实现少样本适应、长时程规划与自我纠正。
2025-09-18 cs.AI cs.CV cs.LG