[論文レビュー] Optimized Execution of PDDL Plans using Behavior Trees

Francisco Martí­n, Matteo Morelli+3 more|arXiv (Cornell University)|Jan 6, 2021

AI-based Problem Solving and Planning被引用数 5

ひとこと要約

本稿では、因果的依存関係を保持したまま並列実行を可能にする最適化された行動木にPDDL計画を体系的に変換する新規アルゴリズムを提案する。シングルトンアクションノードとウェイトノードを導入することで、並列実行を最大限に活用し、順次実行と比較してマルチロボット環境における計画実行時間を顕著に短縮する。単一ロボット設定では最大24.32％のアイドル時間削減が達成され、全ロボット数において優れた性能を示す。

ABSTRACT

Robots need task planning to sequence and execute actions toward achieving their goals. On the other hand, Behavior Trees provide a mathematical model for specifying plan execution in an intrinsically composable, reactive, and robust way. PDDL (Planning Domain Definition Language) has become the standard description language for most planners. In this paper, we present a novel algorithm to systematically create behavior trees from PDDL plans to execute them. This approach uses the execution graph of the plan to generate a behavior tree. The most remarkable contribution of this approach is the algorithm to build a Behavior Tree that optimizes its execution by paralyzing actions, applicable to any plan, taking into account the actions' causal relationships. We demonstrate the improvement in the execution of plans in mobile robots using the ROS2 Planning System framework.

研究の動機と目的

• 現実世界のロボティクスにおける順次計画実行の非効率性、特にスケジューリングの拘束性によりアクションがしばしば未利用状態となる問題に対処すること。
• 記号的AI計画（PDDL）とロボティクスにおける反応的・並列実行のギャップを埋めることを目的とし、計画を実行可能な行動木に体系的に変換可能にする。
• PDDL計画から並列実行と因果的一致性をサポートする最適化された行動木を自動生成する汎用アルゴリズムの開発。
• 前件条件および因果的関係を尊重しつつ、並列アクション実行を可能にすることで、マルチロボットシステムにおける実行効率を向上させること。
• 実世界での展開と評価を想定し、ROS2プランニングシステム（PlanSys2）に統合すること。

提案手法

• アクションの依存関係と因果的関係をモデル化するため、PDDL計画から計画グラフを構築する。
• 再帰的木構築手法を用いて、計画グラフからアクションおよびその依存関係を符号化した行動木を生成する。
• 依存するすべての並列アクションが完了するまで実行をブロックする「ウェイトノード」という新しいノードタイプを導入する。
• 同じアクションを複数のブランチからトリガー可能にするために「シングルトンアクションノード」を実装する。
• 因果的順序を保持しつつ、アクション間の並列実行を最大化する体系的変換プロセスを適用する。
• 得られた行動木をPlanSys2エグゼキュータと統合し、マルチロボット環境におけるリアルタイムで反応的な実行を可能にする。

実験結果

リサーチクエスチョン

• RQ1 因果的制約を尊重しつつ、最適な並列実行を可能にする行動木にPDDL計画を体系的に変換する方法は何か？
• RQ2 前件条件や因果的依存関係を破壊しないように、行動木内でアクションの並列実行を実現するために必要なメカニズムは何か？
• RQ3 提案手法は、順次計画実行と比較して、どの程度アイドル時間を削減し、実行効率を向上させるか？
• RQ4 本アルゴリズムは、複雑さや構造に関係なく、任意のPDDL計画に一般化可能か？
• RQ5 マルチロボット環境において、行動木ベースのエグゼキュータは、標準的な計画ベース実行と比較してどの程度性能を発揮するか？

主な発見

• 提案手法により、単一ロボット実行におけるアイドル時間が約24.32％にまで削減され、順次実行と比較してリソース利用効率が顕著に向上した。
• 行動木ベースのエグゼキュータは、全ロボット構成において最短の実行時間を達成し、順次実行および計画ベース実行戦略を上回った。
• 3台のロボットを用いた場合、行動木アプローチにより順次実行と比較して合計計画実行時間を最大30％短縮し、優れたスケーラビリティを示した。
• 因果的一致性を維持しつつ並列実行を可能にしたため、アクションが計画より早く完了しても正しさが保証された。
• PlanSys2への統合により、リアルタイムなマルチロボット協調が可能となり、実際のコンテスト環境（SciRoc）でも検証され、実用的妥当性が確認された。