Artificial Intelligence,Computation and Language,Human-Computer Interaction,هوش مصنوعی , محاسبات و زبان , تعامل انسان و رایانه ,
توضیحات
Submitted 13 September, 2024; v1 submitted 10 September, 2024; originally announced September 2024. , Comments: 10 pages, Preprint of paper accepted at 23rd International Conference on Machine Learning and Applications (ICMLA) 2024
توضیحات به فارسی
ارسال شده 13 سپتامبر 2024 ؛V1 ارسال شده 10 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: 10 صفحه ، چاپ مقاله پذیرفته شده در بیست و یکمین کنفرانس بین المللی یادگیری ماشین و برنامه ها (ICMLA) 2024
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Path planners that can interpret free-form natural language instructions hold promise to automate a wide range of robotics applications. These planners simplify user interactions and enable intuitive control over complex semi-autonomous systems. While existing symbolic approaches offer guarantees on the correctness and efficiency, they struggle to parse free-form natural language inputs. Conversely, neural approaches based on pre-trained Large Language Models (LLMs) can manage natural language inputs but lack performance guarantees. In this paper, we propose a neuro-symbolic framework for path planning from natural language inputs called NSP. The framework leverages the neural reasoning abilities of LLMs to i) craft symbolic representations of the environment and ii) a symbolic path planning algorithm. Next, a solution to the path planning problem is obtained by executing the algorithm on the environment representation. The framework uses a feedback loop from the symbolic execution environment to the neural generation process to self-correct syntax errors and satisfy execution time constraints. We evaluate our neuro-symbolic approach using a benchmark suite with 1500 path-planning problems. The experimental evaluation shows that our neuro-symbolic approach produces 90.1% valid paths that are on average 19-77% shorter than state-of-the-art neural approaches.
چکیده به فارسی (ترجمه ماشینی)
برنامه ریزان مسیر که می توانند دستورالعمل های زبان طبیعی با فرم آزاد را تفسیر کنند ، نوید خود را برای خودکار سازی طیف گسترده ای از برنامه های روباتیک نگه می دارند.این برنامه ریزان تعامل کاربر را ساده می کنند و کنترل شهودی بر سیستم های پیچیده نیمه خودمختار را فعال می کنند.در حالی که رویکردهای نمادین موجود تضمین هایی را در مورد صحت و کارآیی ارائه می دهد ، آنها برای تجزیه ورودی های زبان طبیعی با فرم آزاد تلاش می کنند.در مقابل ، رویکردهای عصبی مبتنی بر مدلهای بزرگ زبان بزرگ (LLM) می توانند ورودی های زبان طبیعی را مدیریت کنند اما فاقد ضمانت عملکرد هستند.در این مقاله ، ما یک چارچوب عصبی نمادین برای برنامه ریزی مسیر از ورودی های زبان طبیعی به نام NSP پیشنهاد می کنیم.این چارچوب از توانایی های استدلال عصبی LLMS به I) استفاده می کند) نمایش های نمادین از محیط زیست و ب) یک الگوریتم برنامه ریزی مسیر نمادین.در مرحله بعد ، با اجرای الگوریتم در بازنمایی محیط ، راه حلی برای مشکل برنامه ریزی مسیر بدست می آید.این چارچوب از یک حلقه بازخورد از محیط اجرای نمادین گرفته تا فرآیند تولید عصبی برای اصلاح خطاهای نحوی خود و برآورده کردن محدودیت های زمان اجرای استفاده می کند.ما رویکرد عصبی نمادین خود را با استفاده از یک مجموعه معیار با 1500 مشکل برنامه ریزی مسیر ارزیابی می کنیم.ارزیابی تجربی نشان می دهد که رویکرد عصبی نمادین ما 90.1 ٪ مسیرهای معتبر را تولید می کند که به طور متوسط 19-77 ٪ کوتاه تر از رویکردهای عصبی پیشرفته هستند.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
