Buchumschlag

LLM-Guided Probabilistic Program Induction for POMDP Model Estimation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Curtis, Aidan, Tang, Hao, Veloso, Thiago, Ellis, Kevin, Tenenbaum, Joshua, Lozano-Pérez, Tomás, Kaelbling, Leslie Pack
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Partially Observable Task and Motion Planning with Uncertainty and Risk Awareness
von: Curtis, Aidan, et al.
Veröffentlicht: (2024)

What Planning Problems Can A Relational Neural Network Solve?
von: Mao, Jiayuan, et al.
Veröffentlicht: (2023)

Trust the PRoC3S: Solving Long-Horizon Robotics Problems with LLMs and Constraint Satisfaction
von: Curtis, Aidan, et al.
Veröffentlicht: (2024)

One-Shot Manipulation Strategy Learning by Making Contact Analogies
von: Liu, Yuyao, et al.
Veröffentlicht: (2024)

Guided Exploration for Efficient Relational Model Learning
von: Feng, Annie, et al.
Veröffentlicht: (2025)

Rational Inverse Reasoning
von: Zandonati, Ben, et al.
Veröffentlicht: (2025)

Embodied Uncertainty-Aware Object Segmentation
von: Fang, Xiaolin, et al.
Veröffentlicht: (2024)

Towards Practical Finite Sample Bounds for Motion Planning in TAMP
von: Shaw, Seiji, et al.
Veröffentlicht: (2024)

Predicate Invention for Bilevel Planning
von: Silver, Tom, et al.
Veröffentlicht: (2022)

Keypoint Abstraction using Large Models for Object-Relative Imitation Learning
von: Fang, Xiaolin, et al.
Veröffentlicht: (2024)

Seeing is Believing: Belief-Space Planning with Foundation Models as Uncertainty Estimators
von: Zhao, Linfeng, et al.
Veröffentlicht: (2025)

Combining Planning and Diffusion for Mobility with Unknown Dynamics
von: Ravan, Yajvan, et al.
Veröffentlicht: (2024)

"Set It Up!": Functional Object Arrangement with Compositional Generative Models
von: Xu, Yiqing, et al.
Veröffentlicht: (2024)

Functional Risk Minimization
von: Alet, Ferran, et al.
Veröffentlicht: (2024)

Guiding Long-Horizon Task and Motion Planning with Vision Language Models
von: Yang, Zhutian, et al.
Veröffentlicht: (2024)

Streaming Flow Policy: Simplifying diffusion/flow-matching policies by treating action trajectories as flow trajectories
von: Jiang, Sunshine, et al.
Veröffentlicht: (2025)

DiMSam: Diffusion Models as Samplers for Task and Motion Planning under Partial Observability
von: Fang, Xiaolin, et al.
Veröffentlicht: (2023)

From Pixels to Predicates: Learning Symbolic World Models via Pretrained Vision-Language Models
von: Athalye, Ashay, et al.
Veröffentlicht: (2024)

Learning to Bridge the Gap: Efficient Novelty Recovery with Planning and Reinforcement Learning
von: Li, Alicia, et al.
Veröffentlicht: (2024)

Flow-based Domain Randomization for Learning and Sequencing Robotic Skills
von: Curtis, Aidan, et al.
Veröffentlicht: (2025)

SceneComplete: Open-World 3D Scene Completion in Cluttered Real World Environments for Robot Manipulation
von: Agarwal, Aditya, et al.
Veröffentlicht: (2024)

Distilled Feature Fields Enable Few-Shot Language-Guided Manipulation
von: Shen, William, et al.
Veröffentlicht: (2023)

Which Reconstruction Model Should a Robot Use? Routing Image-to-3D Models for Cost-Aware Robotic Manipulation
von: Anand, Akash, et al.
Veröffentlicht: (2026)

Compositional Generative Modeling: A Single Model is Not All You Need
von: Du, Yilun, et al.
Veröffentlicht: (2024)

Bi-Level Belief Space Search for Compliant Part Mating Under Uncertainty
von: Chintalapudi, Sahit, et al.
Veröffentlicht: (2024)

Cognitive maps are generative programs
von: Kryven, Marta, et al.
Veröffentlicht: (2025)

WorldCoder, a Model-Based LLM Agent: Building World Models by Writing Code and Interacting with the Environment
von: Tang, Hao, et al.
Veröffentlicht: (2024)

"Set It Up": Functional Object Arrangement with Compositional Generative Models (Journal Version)
von: Xu, Yiqing, et al.
Veröffentlicht: (2025)

Open-World Task and Motion Planning via Vision-Language Model Generated Constraints
von: Kumar, Nishanth, et al.
Veröffentlicht: (2024)

Simplifying Complex Observation Models in Continuous POMDP Planning with Probabilistic Guarantees and Practice
von: Lev-Yehudi, Idan, et al.
Veröffentlicht: (2023)

VisualPredicator: Learning Abstract World Models with Neuro-Symbolic Predicates for Robot Planning
von: Liang, Yichao, et al.
Veröffentlicht: (2024)

Expert-Guided POMDP Learning for Data-Efficient Modeling in Healthcare
von: Locatelli, Marco, et al.
Veröffentlicht: (2025)

Differentiable GPU-Parallelized Task and Motion Planning
von: Shen, William, et al.
Veröffentlicht: (2024)

Active Preference Inference using Language Models and Probabilistic Reasoning
von: Piriyakulkij, Wasu Top, et al.
Veröffentlicht: (2023)

Practice Makes Perfect: Planning to Learn Skill Parameter Policies
von: Kumar, Nishanth, et al.
Veröffentlicht: (2024)

"Just in Time" World Modeling Supports Human Planning and Reasoning
von: Chen, Tony, et al.
Veröffentlicht: (2026)

Loose LIPS Sink Ships: Asking Questions in Battleship with Language-Informed Program Sampling
von: Grand, Gabriel, et al.
Veröffentlicht: (2024)

Deep Belief Markov Models for POMDP Inference
von: Arcieri, Giacomo, et al.
Veröffentlicht: (2025)

ConstrainedZero: Chance-Constrained POMDP Planning using Learned Probabilistic Failure Surrogates and Adaptive Safety Constraints
von: Moss, Robert J., et al.
Veröffentlicht: (2024)

Vectorized Online POMDP Planning
von: Hoerger, Marcus, et al.
Veröffentlicht: (2025)