[論文レビュー] A New Model of Plan Recognition

Robert P. Goldman, Christopher Geib+1 more|arXiv (Cornell University)|Jan 23, 2013

AI-based Problem Solving and Planning参考文献 10被引用数 117

ひとこと要約

本論文は、静的計画やルールベースの推論ではなく、動的計画実行モデルに焦点を当てた、独創的な帰納的で確率論的な計画認識モデルを提案する。このモデルは、重ね合わされた部分順序の行動の蓄積的影響と、文脈が計画採用に与える影響を捉え、外部の干渉による計画の進化についての推論を可能にする。これにより、知能的なユーザ支援システムの実現が可能となる。

ABSTRACT

We present a new abductive, probabilistic theory of plan recognition. This model differs from previous plan recognition theories in being centered around a model of plan execution: most previous methods have been based on plans as formal objects or on rules describing the recognition process. We show that our new model accounts for phenomena omitted from most previous plan recognition theories: notably the cumulative effect of a sequence of observations of partially-ordered, interleaved plans and the effect of context on plan adoption. The model also supports inferences about the evolution of plan execution in situations where another agent intervenes in plan execution. This facility provides support for using plan recognition to build systems that will intelligently assist a user.

研究の動機と目的

• 計画が静的 formal オブジェクトとして扱われる、あるいは硬直的なルールに依存する既存の計画認識理論の限界を是正すること。
• 部分順序で重ね合わされた計画の観察系列が、時間経過とともにどのように認識に蓄積的影響を与えるかをモデル化すること。
• 過去のモデルでしばしば無視される、文脈が計画採用に与える影響を組み込むこと。
• 他のエージェントが実行中に干渉した場合の計画進化についての推論を可能にすること。
• 正確に認識し、ユーザーの計画に適応する能力を持つ、知能的なシステムの開発を支援すること。

提案手法

• モデルは、静的計画表現ではなく、計画の動的実行モデルに根ざした帰納的で確率論的な枠組みを用いる。
• 観察された行動と文脈に基づき、時間経過とともに仮説の生成と評価を行うプロセスとして計画認識を表現する。
• 複数の計画にわたる行動の部分順序と重ね合わせを明示的に扱う。
• 文脈要因を計画採用と実行に及ぼす確率的影響として統合する。
• 干渉が期待される計画の軌道をどのように変化させるかをモデル化することで、外部干渉下での計画進化についての推論を可能にする。
• 新しい観察が到着するたびに、可能性のある計画に関する信念を更新することで、リアルタイムでの認識を可能にする。

実験結果

リサーチクエスチョン

• RQ1 部分順序で重ね合わされた行動の観察が、時間経過とともに蓄積的にどのように認識に影響を与えるか、計画認識モデルはどのようによりよく対応できるか？
• RQ2 文脈が計画の選択と採用にどのように影響を与えるか、そしてそれが確率論的にどのようにモデル化できるか？
• RQ3 他のエージェントが実行中に干渉した場合、計画認識システムは計画の進化についてどのように推論できるか？
• RQ4 静的計画ベースのアプローチと比較して、動的実行モデルは認識の正確性と適応性をどのように向上させられるか？
• RQ5 このようなモデルは、現実世界の動的環境においてユーザーを支援する知能的なシステムの開発をどのように支援できるか？

主な発見

• モデルは、部分順序で重ね合わされた複数の計画からの行動系列の観察が、時間経過とともに蓄積的影響を与えることに対応できており、認識の正確性が向上する。
• 文脈要因は計画採用に顕著な影響を与えるが、モデルは認識プロセスにおける確率的依存関係を通じてこれを捉えている。
• 外部干渉下での計画進化についての推論が可能であり、これは多くの既存のアプローチに欠けている能力である。
• 計画実行を動的にモデル化することで、複雑な現実世界のシナリオにおいてより強固で適応性のある認識が可能になる。
• このアプローチにより、リアルタイムで進化するユーザーの計画を追跡・応答できる知能的な支援システムの構築が可能になる。
• ルールベースや静的計画形式のアプローチと比較して、不確実性の扱いや重ね合わされた行動系列の処理において、モデルは改善された性能を示している。