[論文レビュー] An approach to multi-agent planning with incomplete information

Alejandro Torreño, Eva Onaindía+1 more|arXiv (Cornell University)|Jan 28, 2015

AI-based Problem Solving and Planning参考文献 13被引用数 26

ひとこと要約

この論文は、部分順序計画法（POP）に基づく一般用途のマルチエージェント計画（MAP）フレームワークを提示している。このフレームワークは、不完全な情報とさまざまな結合度を持つ状況下で、エージェントが協同して計画問題を解決することを可能にする。私的知識を維持したまま段階的に共同計画を精錬することで、CSPに基づく手法に比べてスケーラビリティと効率性が優れており、とくに多くのエージェントが関与する密結合ドメインにおいて顕著である。

ABSTRACT

Multi-agent planning (MAP) approaches have been typically conceived for independent or loosely-coupled problems to enhance the benefits of distributed planning between autonomous agents as solving this type of problems require less coordination between the agents' sub-plans. However, when it comes to tightly-coupled agents' tasks, MAP has been relegated in favour of centralized approaches and little work has been done in this direction. In this paper, we present a general-purpose MAP capable to efficiently handle planning problems with any level of coupling between agents. We propose a cooperative refinement planning approach, built upon the partial-order planning paradigm, that allows agents to work with incomplete information and to have incomplete views of the world, i.e. being ignorant of other agents' information, as well as maintaining their own private information. We show various experiments to compare the performance of our system with a distributed CSP-based MAP approach over a suite of problems.

研究の動機と目的

• 既存のMAPアプローチが不完全な情報下での密結合問題を扱う際の限界を克服すること。
• 私的で不完全な世界観を持つエージェントをサポートする、一般用途でドメインに依存しないMAPフレームワークを開発すること。
• 完全な情報共有を必要とせずに、分散型マルチエージェントシステムにおける効率的な協調と計画精錬を可能にすること。
• 性能とスケーラビリティの観点から、提案手法を分散型CSPベースのMAPシステム（Planning First）と比較すること。
• 物流やローバー／衛星タスクを含む多様な計画ドメインにおいて、フレームワークの有効性を評価すること。

提案手法

• 本手法は、部分順序計画法（POP）に基づく協同的精錬計画パラダイムを用い、エージェントが段階的に共同計画を構築・見直すことを可能にする。
• 各エージェントは、部分観測可能性とオープンワールド仮定を用いて、私的で不完全な世界のビューを維持する。
• 状態変数は有限ドメイン上で定義され、フレント（fluents）は変数-値の割り当てまたはその否定を表し、フレントが存在しない場合は値が不明とみなされる。
• エージェント間の協調は、完全な私的知識ではなく、協調に必要な情報のみを交換することでモデル化される。
• 計画と協調の段階を動的に統合することで、密結合ドメインにおける組み合わせ的爆発を回避する。
• POPに基づくアルゴリズムが段階的に整合性を保ちつつ、不必要な協調オーバーヘッドを最小限に抑えた共同計画を構築する。

実験結果

リサーチクエスチョン

• RQ1 POPベースのマルチエージェント計画フレームワークは、結合度の異なる問題（特に密結合ドメインを含む）を効果的に処理できるか？
• RQ2 提案手法であるMAP-POPは、分散型CSPベースの手法（Planning First）と比較して、スケーラビリティと解の質の面でどの程度優れているか？
• RQ3 エージェントはどの程度、私的情報を維持しつつも、協調的で一貫性のある共同計画を達成できるか？
• RQ4 エージェント数の増加に伴い、特に相互に依存する複雑な計画タスクにおいて、フレームワークは効率的にスケーリングできるか？
• RQ5 不完全な情報下の現実世界の分散ドメインにおいて、中央集権的または緩く結合された計画手法に比べ、本手法は優れた性能を発揮できるか？

主な発見

• MAP-POPは14エージェントの衛星問題の14インスタンスすべてと、14エージェントのローバー問題の14インスタンスすべてを正常に解決したが、Planning Firstはそれぞれ8人および9人を超える問題では失敗した。
• 9エージェントのローバー問題において、Planning Firstは40分以上を要したのに対し、MAP-POPはわずか20秒で解決を完了し、スケーラビリティの優位性が明確に示された。
• 緩く結合された問題においても、MAP-POPはPlanning Firstに比べてより優れた計画品質（少ないアクション数と短い期間）を達成したが、最小のインスタンスではわずかに遅延が見られた。
• エージェント数の増加に伴ってMAP-POPは一貫したパフォーマンスを維持し、実行時間の増加はわずかにとどまった。これは優れたスケーラビリティを示している。
• 特に協調の複雑さが高まる密結合ドメインにおいて、MAP-POPは性能と耐障害性の両面でPlanning Firstを上回った。
• 結果から、MAP-POPが不完全情報下でのマルチエージェント計画に一般用途で効率的かつスケーラブルなソリューションであることが確認された。これは緩くも密に結合された問題に適用可能である。