[論文レビュー] Causal Belief Decomposition for Planning with Sensing: Completeness Results and Practical Approximation

Blai Bonet, Héctor Geffner|arXiv (Cornell University)|Sep 26, 2019

AI-based Problem Solving and Planning参考文献 18被引用数 8

ひとこと要約

本稿では、センシングを伴う計画における信念追跡のための新規信念追跡アルゴリズムである因果的信念追跡（CBT）を紹介する。CBTは、構造的幅ではなく因果的関連性に基づいて信念を分解することで、通常は問題の幅よりもはるかに小さい因果的幅に比例した空間計算量を達成する。この方法により、信念追跡の理論的完全性が保証され、実用的な近似手法であるビーム追跡が得られ、ミネスイーパーやバトルシップ、ウムプスといった高幅のドメインにおいて、最新のリアルタイム性能を達成する。

ABSTRACT

Belief tracking is a basic problem in planning with sensing. While the problem is intractable, it has been recently shown that for both deterministic and non-deterministic systems expressed in compact form, it can be done in time and space that are exponential in the problem width. The width measures the maximum number of state variables that are all relevant to a given precondition or goal. In this work, we extend this result both theoretically and practically. First, we introduce an alternative decomposition scheme and algorithm with the same time complexity but different completeness guarantees, whose space complexity is much smaller: exponential in the causal width of the problem that measures the number of state variables that are causally relevant to a given precondition, goal, or observable. Second, we introduce a fast, meaningful, and powerful approximation that trades completeness by speed, and is both time and space exponential in the problem causal width. It is then shown empirically that the algorithm combined with simple heuristics yields state-of-the-art real-time performance in domains with high widths but low causal widths such as Minesweeper, Battleship, and Wumpus.

研究の動機と目的

• センシングを伴う計画における従来の信念追跡手法の高い空間計算量、特に問題の幅が大きいドメインにおける課題に対処すること。
• 空間計算量が構造的幅ではなく因果的幅に依存する信念追跡アルゴリズムの開発。構造的幅はしばしばはるかに大きい。
• 特定の条件下で、新しい分解スキームの信念追跡に対する理論的完全性保証を提供すること。
• 完全性を犠牲にすることで速度とスケーラビリティを高めた実用的かつ近似的なバージョン、ビーム追跡の設計。
• ミネスイーパー、バトルシップ、ウムプスのような、構造的幅が大きくても因果的幅が小さいベンチマークドメインにおいて、本手法の実証的妥当性を検証すること。

提案手法

• 因果的関連性に基づく新しい分解スキームを提案：信念は、特定の事前条件、目的、観測に因果的に関連する状態変数の集合に従って分解される。
• 因果的幅を定義：任意の1つの事前条件、目的、観測に因果的に関連する最大の状態変数の数。
• 時間計算量が問題の幅の指数関数的増加、空間計算量が因果的幅の指数関数的増加である因果的信念追跡（CBT）を設計。特定の条件下で完全性が保証される。
• CBTの実用的近似としてビーム追跡を設計。各因果的コンポーネントに制限された数の信念状態のみを保持することで、完全性を犠牲にした効率性を実現。
• 信念状態に基づくグリーディな行動選択ヒューリスティクスを採用し、大規模ドメインにおけるリアルタイム意思決定を支援。
• 状態変数とリテラルを用いたコンactな論理的表現により、アクションと観測を効率的に表現。集合演算を用いた効率的な信念更新が可能。

実験結果

リサーチクエスチョン

• RQ1 問題における因果的依存関係を活用することで、構造的依存関係に依存するのではなく、信念追跡の空間計算量をより効率的にできるか？
• RQ2 提案された因果的分解スキームが、センシングを伴う計画における信念追跡で完全性を満たす条件は何か？
• RQ3 実用ドメインにおいて、空間計算量が因果的幅に対してどのようにスケーリングされるか？問題の幅と比較して。
• RQ4 完全なアルゴリズムの意味のある近似が、因果的幅が小さいが大規模かつ高幅のドメインでリアルタイム性能を達成できるか？
• RQ5 新しい信念表現と分解スキームが、ミネスイーパー、バトルシップ、ウムプスのようなドメインで、従来手法をどれほど上回れるか？

主な発見

• CBTは、因果的幅が有界であるドメインにおいて信念追跡の完全性を達成し、時間計算量は問題の幅の指数関数的増加、空間計算量は因果的幅の指数関数的増加を示す。
• CBTの実用的近似であるビーム追跡は、ミネスイーパー、バトルシップ、ウムプスの大規模インスタンスにおいてリアルタイム性能を達成し、$50\times 50$のウムプスグリッドを平均100秒未塔で解ける。
• $32\times 64$のミネスイーパーでは、ビーム追跡が平均672秒で80.3%のゲームを解き、全ゲームの成功確率は15.6%であった。
• $40\times 40$のウムプスでは、ビーム追跡が平均12.7秒/意思決定で7.3%のゲームを解き、全ゲームの成功確率は16.0%であった。
• $50\times 50$のウムプスでは、ビーム追跡が平均100.4秒/意思決定で0.1%のゲームを解き、全ゲームの成功確率は40.9%であった。
• ドメインに依存しないベースラインであるKリプランナは、簡略化されたウムプスにおいて$n=40$までしかスケーリングできなかったが、ビーム追跡は$n>100$のグリッドをリアルタイムで解けることを示し、顕著な性能差を示した。