عامل‌های کدنویسی برای مسائل برنامه‌ریزی وظیفه و حرکت تعمیم‌یافته

عنوان: عوامل کدنویسی برای مشکلات برنامه‌ریزی وظیفه و حرکت تعمیم‌یافته نویسندگان: ماتئو مرلر، بوئن لی، جاش روی، ییچائو لیانگ، چیانوی وانگ، ییشوان هوانگ، تام سیلور چکیده: مشکلات برنامه‌ریزی وظیفه و حرکت (TAMP) حتی با وجود مشاهدات کامل و مدل‌های متمرکز بر اشیاء، چالش‌برانگیز باقی می‌مانند، زیرا تصمیم‌گیری‌های گسسته به‌طور تنگاتنگی با محدودیت‌های هندسی، کیسماتیک و دینامیک پیوند خورده‌اند. TAMP تعمیم‌یافته با شناسایی شباهت‌ها بین نمونه‌های مختلف، تلاش برنامه‌ریزی را در نمونه‌های جدید کاهش می‌دهد. با این حال، روش‌های موجود نیاز به مهندسی قابل توجهی دارند تا با TAMP سازگار شوند. ما بررسی می‌کنیم که آیا عوامل کدنویسی می‌توانند این فرآیند را با تولید برنامه‌هایی که در بین نمونه‌ها تعمیم می‌یابند، خودکار کنند. هر عامل با دریافت شرح وظیفه و دسترسی به شبیه‌ساز، نحوه تعامل با محیط را در حین توسعه برنامه در یک بودجه تولید ثابت انتخاب می‌کند. سپس برنامه منجمد و بر روی نمونه‌های دیده‌نشده ارزیابی می‌شود. ما Claude Code (Opus 5) و Codex (GPT-5.6 Sol و GPT-6 Astra) را بر روی ۲۸ محیط شبیه‌سازی‌شده از KinDER و PDDLStream ارزیابی می‌کنیم، که تعداد اشیاء آنها در بنچمارک اصلی ارزیابی نشده است. در تمام روش‌های ترکیب برنامه، ۹۸۰ برنامه تولیدشده بر روی ۱۰۰ مثال hold-out ارزیابی می‌شوند، که در مجموع ۹۸،۰۰۰ بخش ارزیابی را شامل می‌شود. به‌طور کلی، می‌بینیم که عوامل کدنویسی به‌طور شگفت‌انگیزی در TAMP تعمیم‌یافته مؤثر هستند: تمام سه پیکربندی عامل planners hand-engineered، تولید one-shot و خط پایه برنامه‌ریزی تعمیم‌یافته مبتنی بر LLM، عملکرد بهتری نسبت به planners دارند (۵۶٪ تا ۹۵٪ در مقابل ۴۷٪ در ۱۶ محیطی که planner موجود است). با افزایش تعداد اشیاء، برنامه‌های عوامل موفقیت بالاتری نسبت به planner حفظ می‌کنند و به‌طور متوسط یک ترتیب بزرگی کمتر محاسبه برای هر مثال انجام می‌دهند. لاگ‌ها نشان می‌دهند که عوامل از تعامل برای کالیبراسیون مدل‌های فیزیکی، آزمایش موارد لبه و بهبود استراتژی‌ها استفاده می‌کنند. ما تمام کد، از جمله پرامپت‌های کامل داده‌شده به عوامل، را منتشر می‌کنیم. این یافته‌ها نشان می‌دهد که عوامل کدنویسی یک خط پایه قوی برای TAMP تعمیم‌یافته هستند. نظرات: موضوعات: رباتیک (cs.RO); هوش مصنوعی (cs.AI) استناد: arXiv:2609.30233 [cs.RO] (یا arXiv:2609.30233v1 [cs.RO] برای این نسخه) https://doi.org/10.48550/arXiv.2609.30233 برای اطلاعات بیشتر، DOI منتشرشده توسط arXiv از طریق DataCite (در حال ثبت) را مطالعه کنید. تاریخچه ارسال: از: ماتئو مرلر [مشاهده ایمیل] [v1] پنج‌شنبه، ۲۴ سپتامبر ۲۰۲۶ ۱۷:۵۳:۳۵ UTC (۷،۵۲۱ کیلوبایت) ابزارهای بایوگرافیک: ابزارهای بایوگرافیک و استنادی کاوشگر بایوگرافیک (کاوشگر بایوگرافیک چیست؟) مقالات مرتبط (مقالات مرتبط چیست؟) Litmaps (Litmaps چیست؟) scite.ai (scite Smart Citations) (Smart Citations چیست؟) کد، داده، رسانه کد، داده و رسانه مرتبط با این مقاله در alphaXiv Toggle alphaXiv (alphaXiv چیست؟) موجود است. پیوندهای کد: Toggle CatalyzeX Code Finder for Papers (CatalyzeX چیست؟) DagsHub Toggle DagsHub (DagsHub چیست؟) GotitPub Toggle Gotit.pub (GotitPub چیست؟) Huggingface Toggle Hugging Face (Huggingface چیست؟) ScienceCast Toggle ScienceCast (ScienceCast چیست؟) دموها: Demos Replicate Toggle Replicate (Replicate چیست؟) Spaces Toggle Hugging Face Spaces (Spaces چیست؟) Spaces Toggle TXYZ.AI (TXYZ.AI چیست؟) مقالات مرتبط: توصیه‌گرها و ابزارهای جستجو Link to Influence Flower Influence Flower (Influence Flower چیست؟) توصیه‌گر اصلی: toggle CORE Recommender (CORE چیست؟) نویسنده: محل انتشار: موسسه: موضوع: درباره arXivLabs arXivLabs: پروژه‌های آزمایشی با همکاری جامعه علمی arXivLabs یک چارچوب است که به همکاران اجازه می‌دهد ویژگی‌های جدید arXiv را مستقیماً در وب‌سایت ما توسعه داده و به اشتراک بگذارند. هم افراد و هم سازمان‌هایی که با arXivLabs همکاری می‌کنند، ارزش‌های ما یعنی باز بودن، جامعه‌محوری، تعالی و حریم خصوصی داده‌های کاربران را پذیرفته و رعایت کرده‌اند. arXiv متعهد به این ارزش‌هاست و تنها با شرکایی همکاری می‌کند که به آن‌ها پایبند باشند. ایده‌ای برای پروژه‌ای دارید که برای جامعه arXiv ارزش افزوده ایجاد کند؟ درباره arXivLabs بیشتر بدانید. کدام یک از نویسندگان این مقاله تأییدکننده (endorser) هستند؟ | غیرفعال‌سازی MathJax (MathJax چیست؟)