[論文レビュー] Planning for Temporally Extended Goals in Pure-Past Linear Temporal Logic: A Polynomial Reduction to Standard Planning

Giuseppe De Giacomo, Marco Favorito+1 more|arXiv (Cornell University)|Apr 21, 2022

Semantic Web and Ontologies被引用数 6

ひとこと要約

この論文は、Pure-Past Linear Temporal Logic (ppltl) における時間的に拡張された目的を古典的計画に多項式時間で還元する手法を提示している。これにより、FastDownward や MyND といった最先端の計画ツールが、最小限のオーバーヘッドで ppltl 目的を処理できるようになった。この手法は、部分的トレース上で ppltl 公式の後向き評価を活用し、高価な決定的有限オートマトン（DFA）の構築を回避し、標準的計画の元の複雑さを保ったままである。

ABSTRACT

We study temporally extended goals expressed in Pure-Past LTL (PPLTL). PPLTL is particularly interesting for expressing goals since it allows to express sophisticated tasks as in the Formal Methods literature, while the worst-case computational complexity of Planning in both deterministic and nondeterministic domains (FOND) remains the same as for classical reachability goals. However, while the theory of planning for PPLTL goals is well understood, practical tools have not been specifically investigated. In this paper, we make a significant leap forward in the construction of actual tools to handle PPLTL goals. We devise a technique to polynomially translate planning for PPLTL goals into standard planning. We show the formal correctness of the translation, its complexity, and its practical effectiveness through some comparative experiments. As a result, our translation enables state-of-the-art tools, such as FD or MyND, to handle PPLTL goals seamlessly, maintaining the impressive performances they have for classical reachability goals.

研究の動機と目的

• Pure-Past LTL (ppltl) で表現される時間的に拡張された目的を扱う実用的ツールの欠如を補うため。
• ppltl 公式を決定的有限オートマトン（DFA）に変換する際の計算負荷、特に最悪ケースで指数的になる問題を克服するため。
• 標準的計画ツールのコアアーキテクチャを変更せずに ppltl 目的を処理可能にするため。
• 表現力が高くマルコフでない目的を扱える一方で、古典的計画と同等の最悪ケースの複雑さ（決定的領域では PSPACE、FOND 領域では EXPTIME）を維持するため。
• ppltl が後向き評価を可能にするという特徴が、探索中に公式の満たし状態を効率的にオンザフライでチェック可能であることを示すため。

提案手法

• 探索の各ノードで、現在のトレースプレフィックス上で後向きに推論することで、ppltl 公式の主要な部分公式の満たし状態を追跡することで、オンザフライでの ppltl 公式評価を実現する。
• 古典的時系列論理の進行手法を応用するが、逆方向に適用し、将来の拡張ではなく、これまでの履歴に基づいて ppltl 公式を直接評価する。
• ppltl 公式の完全な DFA を構築することを避け、逆言語の DFA の単一指数的複雑さを活用する。これは、公式そのものまたはその交替的有限オートマトン（AFA）表現から直接計算可能である。
• ppltl 公式および計画問題のサイズに対して多項式時間で還元されるため、複雑さの爆発は生じない。
• 古典的計画と FOND（非決定的）計画の両方の形式に一般化するため、ppltl 目的をそれぞれの計画形式における到達可能性目的に還元する。
• 本手法は実装され、FastDownward および MyND を用いて評価されており、最先端の計画ツールとのシームレスな統合が確認された。

実験結果

リサーチクエスチョン

• RQ1 ppltl 目的を古典的計画に還元する際に、多項式的なオーバーヘッドで行い、既存ツールの効率を保てるか？
• RQ2 部分的トレース上で ppltl 公式を後向きに評価することで、DFA の構築なしに効率的かつ正確な目的チェックが可能か？
• RQ3 同じ還元手法を決定的および FOND 計画に適用しても、古典的到達可能性と同等の最悪ケース複雑さを維持できるか？
• RQ4 この還元手法を用いて ppltl 目的を処理可能にした場合、標準的計画ツールの性能はどのように変化するか？
• RQ5 理論的には二重指数的になる DFA 変換が行われるが、本手法による明示的 DFA の構築が一切ないことで、実用的な効率性が達成可能か？

主な発見

• 提案手法により、ppltl 目的の計画が多項式時間で古典的計画に還元され、FastDownward や MyND のような成熟した高性能計画ツールを変更なしに利用可能になった。
• ppltl が逆言語の DFA の単一指数的複雑さを活用できる点が、ltlf よりも顕著な利点である。これにより、二重指数的 DFA の構築を回避できる。
• 実験により、標準的計画ツールの性能が ppltl 目的を処理してもほとんど損なわれず、オンザフライ部分公式追跡機構のおかげで最小限のオーバーヘッドに抑えられた。
• ppltl で使用される表現力の高さにもかかわらず、最悪ケースの複雑さは古典的計画と同等である：決定的領域では PSPACE、FOND 領域では EXPTIME を維持した。
• 本手法は古典的計画と FOND 計画の両方で頑健であり、ppltl の後向き評価能力が、表現力を損なわず、効率的かつスケーラブルな計画を可能にしている。
• 結果から、ppltl は理論的に優位なだけでなく、実世界の計画システムにおいても実用的であることが示された。特に、既存の計画ツールチェーンに統合された場合に顕著である。