[論文レビュー] Discovering Underlying Plans Based on Distributed Representations of Actions

Xin Tian, Hankz Hankui Zhuo+1 more|arXiv (Cornell University)|Nov 18, 2015

AI-based Problem Solving and Planning参考文献 21被引用数 7

ひとこと要約

本論文では、スキップグラムモデルを用いて計画コーパスから行動の分散表現を学習する、DUPと呼ばれる計画認識の新規アプローチを提案する。この手法により、完全なドメインモデルや計画ライブラリを必要とせず、観測されなかったまたは未確認の計画の認識が可能になる。この方法は行動ベクトル上の期待値最大化を用いて、観測されていない行動の可能性を推定し、3つのドメインで従来手法を上回る性能を発揮する。限られたデータから計画構造を効果的に捉えることができる。

ABSTRACT

Plan recognition aims to discover target plans (i.e., sequences of actions) behind observed actions, with history plan libraries or domain models in hand. Previous approaches either discover plans by maximally "matching" observed actions to plan libraries, assuming target plans are from plan libraries, or infer plans by executing domain models to best explain the observed actions, assuming complete domain models are available. In real world applications, however, target plans are often not from plan libraries and complete domain models are often not available, since building complete sets of plans and complete domain models are often difficult or expensive. In this paper we view plan libraries as corpora and learn vector representations of actions using the corpora; we then discover target plans based on the vector representations. Our approach is capable of discovering underlying plans that are not from plan libraries, without requiring domain models provided. We empirically demonstrate the effectiveness of our approach by comparing its performance to traditional plan recognition approaches in three planning domains.

研究の動機と目的

• 従来の計画認識手法が完全なドメインモデルや事前定義された計画ライブラリを必要とするという制限を解消すること。
• ドメインモデルが不完全または利用できない人間を含む計画シナリオにおいて計画認識を可能にすること。
• 歴史的計画シーケンスから浅い、分散表現としての行動を学習するスケーラブルでデータ駆動のアプローチを開発すること。
• 学習された行動意味論に基づいて、次の可能性の高い行動を提案することで、リアルタイム意思決定支援を実現すること。
• ベクトルベースの行動表現が計画構造を効果的にモデル化でき、未確認の計画に対しても認識精度を向上させられることを実証すること。

提案手法

• 計画ライブラリをコーパスとみなして、スキップグラムモデルを用い、行動の密なベクトル表現を行動シーケンスから学習する。
• 観測されていない各行動を、学習済みのベクトル空間における可能な行動の分布としてモデル化し、意味的および順序的文脈を捉える。
• 観測済み計画の尤度を最大化することで、観測されていない行動の最確からしいシーケンスを同時に推定するため、期待値最大化アルゴリズムを用いる。
• 前提条件効果モデルや形式的ドメインモデルに依存せず、むしろ生の行動シーケンスから学習する。
• 各欠落したステップに対して、ベクトル類似度と文脈尤度に基づき、候補となる行動をランク付けすることで計画の完成を支援する。
• 反復的で人間を含む計画の改善をサポートするインクリメンタルなフレームワークとして設計されている。

実験結果

リサーチクエスチョン

• RQ1 計画コーパスから学習された行動の分散表現は、完全なドメインモデルを必要とせずに計画認識を効果的に行えるか。
• RQ2 スキップグラムモデルが、元の計画ライブラリに存在しない未観測または未確認の計画をどれほど正確に認識できるか。
• RQ3 提案手法は、STRIPS風のモデルや計画ライブラリ照合に依存する従来手法を上回る性能を発揮できるか。
• RQ4 学習されたベクトル空間が、行動シーケンスにおける意味的・順序的構造をどれほど適切に捉えられるか。
• RQ5 リアルタイムで相互作用する計画シナリオにおいて、正しい次の行動を効果的に提案できるか。

主な発見

• DUP手法は、元の計画ライブラリに存在しない潜在的な計画を効果的に発見し、ライブラリ照合を越えた一般化を示した。
• ブロックズワールドを含む3つの計画ドメインにおいて、従来の計画認識手法と同等または優れた性能を達成した。
• スキップグラムで学習されたベクトル表現は、行動シーケンスにおける意味的・構文的パターンを的確に捉えており、欠落した行動の正確な推定を可能にした。
• 完全なドメインモデルへの依存を顕著に低減したため、このようなモデルがしばしば入手困難な現実世界の人間を含む計画に適している。
• ほとんどの場合、トップm件の推薦内に正しい次の行動が効果的に提示されたため、人間の意思決定を効率化できる。
• 実験的結果により、学習された行動ベクトルが計画認識と計画完成を支えるのに十分な構造的情報を符号化していることが確認された。