[論文レビュー] FAPE: a Constraint-based Planner for Generative and Hierarchical Temporal Planning

Arthur Bit-Monnot, Malik Ghallab+2 more|arXiv (Cornell University)|Oct 25, 2020

AI-based Problem Solving and Planning参考文献 79被引用数 6

ひとこと要約

FAPE は、到達可能性解析と因果ネットワークを統合することで、柔軟なタイムラインと階層的タスク分解を含む ANML モデリング言語の表現力ある機能をサポートする制約ベースの時系列計画手法である。効率的な探索を促進する。FAPE は、最新の計画手法と比較して競争力のある性能を発揮し、特に階層的制御知識が利用可能な状況で顕著である。

ABSTRACT

Simple Temporal Networks with Uncertainty are a powerful and widely used formalism for representing and reasoning over convex temporal constraints in the presence of uncertainty called contingent constraints. Since their introduction, they have been used in planning and scheduling applications to model situations where the scheduling agent does not control some activity durations or event timings. What needs to be checked is then the controllability of the network, i.e., that there is a valid execution strategy whatever the values of the contingents. This paper considers a new type of multi-agent extension, where, as opposed to previous works, each agent manages its own separate STNU, and the control over activity durations is shared among the agents: what is called here a contract is a mutual constraint controllable for some agent and contingent for others. We will propose a semantically enriched version of STNUs that will be composed into a global Multi-agent Interdependent STNUs model. Then, controllability issues will be revisited, and we will focus on the repair problem, i.e., how to regain failed controllability by shrinking some of the shared contract durations, here in a centralized manner.

研究の動機と目的

• ANML 時系列モデリング言語の完全な表現力をサポートする計画手法の開発、特に柔軟なタイムラインと階層的タスク分解を含む。
• タイムラインベース計画の効率性の課題に対処するため、情報的なヒューリスティクスと制約伝播を統合する。
• 新規の到達可能性解析と因果ネットワーク構築を用いて、スケーラブルで効率的な時系列計画を実現する。
• 標準ベンチマーク上で計画手法を評価し、IPC 計画手法と性能を比較する。特に階層的分解の状況下での比較を目的とする。

提案手法

• FAPE は、欠落しているまたは一貫性のない計画要素（「欠陥」）を表す flaw-driven 検索を用いた plan-space 計画手順を採用する。
• 行動とタイムライン間の時系列的および論理的制約を表すために制約ネットワークを用いる。
• 到達可能性解析を用いて、どの行動が他の行動に影響を与えるかを事前に計算し、探索を導く因果ネットワークの構築を可能にする。
• 階層的分解と行動のバインドを管理するため、インスタンシエーションおよびリファインメント変数を用いる。
• 因果ネットワークから導出された情報的ヒューリスティクスを用いて、探索の優先順位を決定し、探索範囲を削減する。
• 到達可能性および因果制約に基づいて探索戦略をガイドし、動的再順序付けと pruning を用いて効率性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 制約ベースの計画手法として、FAPE は、効率性を損なわせることなく、ANML の時系列的および階層的機能の全範囲を効果的にサポートできるか？
• RQ2 到達可能性解析は、タイムラインを伴う plan-space 計画における探索空間の縮小にどのように寄与するか？
• RQ3 因果ネットワークは、時系列計画におけるヒューリスティクスの質と探索性能をどの程度向上させるか？
• RQ4 階層的知識が提供される状況において、FAPE は IPC 計画手法と比較してスケーラビリティと解の質の面で優れているか？
• RQ5 タイムラインベースのフレームワーク（ANML など）において、計画と実行の統合を効果的にサポートできるか？

主な発見

• FAPE は、複雑な時系列的推論を要するベンチマークにおいて、表現力が限定的な計画手法と比較して競争力のある性能を示した。
• 階層的制御知識の統合により、顕著な性能向上が得られ、FAPE はしばしば非階層的計画手法を上回った。
• 到達可能性解析により、探索空間を効果的に制約し、ヒューリスティクス評価を導く因果ネットワークの構築が可能になった。
• 因果ネットワークから導出された情報的ヒューリスティクスの使用により、探索の負荷が軽減され、収束速度が向上した。
• 標準 IPC ベンチマークを用いた実験的評価により、計画手法のアルゴリズムの健全性と完全性が確認された。
• FAPE は、部分的に観測可能な領域における行動統合とセンシングを可能にする、ANML の表現的時系列的および階層的機能の大部分をサポートする最初の公開可能計画手法である。