[論文レビュー] Levels of Integration between Low-Level Reasoning and Task Planning

Esra Erdem, Volkan Patoğlu+1 more|arXiv (Cornell University)|Jul 29, 2013

AI-based Problem Solving and Planning参考文献 16被引用数 3

ひとこと要約

本稿では、外部述語を用いた答え集合プログラミングを用いて、ロボティクスにおけるハイレベルタスクプランニングに低レベルの幾何学的および時間的推論を統合するための4つの異なる戦略を提案および評価する。主な発見は、インタレーブルでオンデマンドな統合（Int）が最良のパフォーマンスと実行可能性を達成する一方、完全な統合が現実的でない場合に再計画（Repl）が頑健性を提供することである。

ABSTRACT

We provide a systematic analysis of levels of integration between discrete high-level reasoning and continuous low-level reasoning to address hybrid planning problems in robotics. We identify four distinct strategies for such an integration: (i) low-level checks are done for all possible cases in advance and then this information is used during plan generation, (ii) low-level checks are done exactly when they are needed during the search for a plan, (iii) first all plans are computed and then infeasible ones are filtered, and (iv) by means of replanning, after finding a plan, low-level checks identify whether it is infeasible or not; if it is infeasible, a new plan is computed considering the results of previous low- level checks. We perform experiments on hybrid planning problems in robotic manipulation and legged locomotion domains considering these four methods of integration, as well as some of their combinations. We analyze the usefulness of levels of integration in these domains, both from the point of view of computational efficiency (in time and space) and from the point of view of plan quality relative to its feasibility. We discuss advantages and disadvantages of each strategy in the light of experimental results and provide some guidelines on choosing proper strategies for a given domain.

研究の動機と目的

• 離散的なハイレベル推論と連続的なローレベル推論の間の統合レベルを体系的に分析すること。
• 異なる統合戦略における計算効率（時間およびメモリ）と計画品質（実行可能性）のトレードオフを評価すること。
• ドメインの特性と計算制約に基づいて適切な統合戦略を選択するための実用的ガイドラインを提供すること。
• 事前計算、オンデマンドチェック、フィルタリング、再計画が、ロボット操作および脚部歩行ドメインにおけるパフォーマンスに与える影響を評価すること。

提案手法

• タスクプランニング問題を表現し、低レベルの実行可能性チェックに外部述語を用いるために、答え集合プログラミング（ASP）とdlvhexソルバを用いる。
• 4つの統合戦略を採用する：(i) 計画の前にすべての低レベルチェックを事前に計算する、(ii) 検索中にオンデマンドで低レベルチェックを行う、(iii) 計画生成後に非実行可能プランをフィルタリングする、(iv) 実行不可能性を検出後に再計画を行う。
• 例えば、一部のチェックには事前計算、他のチェックにはオンデマンド処理を組み合わせることで、中間的な統合レベルを探索するハイブリッドアプローチを組み合わせる。
• 特に低レベルチェックの入力空間が大きいドメインにおいてオーバーヘッドを低減し、効率を向上させるために、専用の事前計算ツールを実装する。
• 実行時間、メモリ使用量、生成された実行可能および非実行可能解の数、解の列挙効率を測定することでパフォーマンスを測定する。
• 実際の制約と複雑な実行可能性チェックを伴う、ロボット操作および脚部歩行をテストドメインとして用い、戦略の評価を実施する。

実験結果

リサーチクエスチョン

• RQ1 ハイレベルタスクプランニングと低レベル幾何学的推論の間の異なる統合レベルは、計算効率と計画実行可能性にどのように影響を与えるか？
• RQ2 ハイブリッドプランニングにおいて、事前計算、オンデマンドチェック、フィルタリング、再計画戦略の間のパフォーマンスのトレードオフは何か？
• RQ3 どのドメインや条件下で、事前計算がオンデマンド統合よりも効果的であり、逆にどの条件下でオンデマンド統合が優れているか？
• RQ4 統合レベルが、実行可能な解が見つかるまでの非実行可能解の数にどのように影響を与えるか？
• RQ5 複数の統合レベルを組み合わせたハイブリッド戦略は、単一戦略アプローチと比較して、より高い頑健性と効率性を達成できるか？

主な発見

• インタレーブルでオンデマンドな統合（Int）は、最良の実行時間パフォーマンスを達成し、非実行可能解の数を最も少なくする。ロボット操作ドメインでは、621件の実行可能プランとわずか38件の非実行可能候補を生成した。
• 効率的な事前計算ツールが利用可能な場合、ロボット操作ドメインにおいては事前計算（Pre）が他の手法を上回り、合計計算時間をナイーブな方法の1361秒から238秒にまで短縮した。
• フィルタリング（Filt）は最悪のパフォーマンスを示し、ロボット操作ドメインでは11,787件の解候補を生成した一方で、実行可能解はたった622件にとどまった。これは、探索の誘導が不十分であることを示している。
• 再計画（Repl）はFiltよりも頑健であり、脚部歩行ドメインでは20件のインスタンスすべてを正常に解決した。一方、Filtは20件中15件しか解決できなかった。
• 脚部歩行ドメインでは、Replが68件の実行可能解に対して250件の非実行可能候補を生成した。これは、バランスチェックのための入力空間が大きいため、非実行可能性率が高いことを示唆している。
• Preと他の戦略を組み合わせることで効率が向上し、特に高次元の入力を持つドメインで有効である。しかし、低レベルチェックが事前に計算するのにあまりにコストがかかる場合、事前計算は現実的でなくなる。