[論文レビュー] Planning with Incomplete Information

Antonis Kakas, Rob Miller+1 more|ArXiv.org|Mar 9, 2000

Logic, Reasoning, and Knowledge参考文献 14被引用数 4

ひとこと要約

本稿では、不完全な情報下でも安全な計画を生成するために、帰納的推論と議論的推論を用いて弱い計画を拡張する、議論に基づく計画フレームワークである${\cal E}$-Plannerを提案する。この手法は、初期状態の完全な知識を必要とせず、すべての可能な初期状態において計画の頑健性を保証する。非単調的推論と計画検証のための再定式化された${\cal E}$言語の証明理論を活用することで実現される。

ABSTRACT

Planning is a natural domain of application for frameworks of reasoning about actions and change. In this paper we study how one such framework, the Language E, can form the basis for planning under (possibly) incomplete information. We define two types of plans: weak and safe plans, and propose a planner, called the E-Planner, which is often able to extend an initial weak plan into a safe plan even though the (explicit) information available is incomplete, e.g. for cases where the initial state is not completely known. The E-Planner is based upon a reformulation of the Language E in argumentation terms and a natural proof theory resulting from the reformulation. It uses an extension of this proof theory by means of abduction for the generation of plans and adopts argumentation-based techniques for extending weak plans into safe plans. We provide representative examples illustrating the behaviour of the E-Planner, in particular for cases where the status of fluents is incompletely known.

研究の動機と目的

• 初期状態が完全に把握されていない状況における計画問題に対処すること。
• 変化や行動に関する不確実性に強く、頑健な計画を生成する計画者を開発すること。
• 未知の初期条件にかかわらず計画が達成可能であることを保証する「安全な計画」を、全状態の列挙に依存せずに生成すること。
• 帰納的推論と議論的推論を統合したフレームワークを用いて、計画生成と検証を統合すること。
• 動的拡張による弱い計画の拡張を活用し、目的指向的かつ効率的な適合計画（conformant planning）のためのアプローチを提供すること。

提案手法

• 非単調的推論を可能にするために、${\cal E}$言語を議論的フレームワークに再定式化する。
• 議論に基づく証明理論を用いて、可能な状態と行動を表現・推論する。
• 不完全な情報の1つの解釈に基づいて、条件付き計画として弱い計画を生成する。
• 弱い計画を正当化するための仮定を帰納的推論により生成する。
• 議論的推論を用いて、すべての許容可能な拡張において目標が成立することを検証することで、弱い計画を安全な計画に拡張する。
• 欠落している情報のすべての解釈において目標が導出可能であるかをテストすることで、計画を動的に拡張する。

実験結果

リサーチクエスチョン

• RQ1 初期状態が不完全にしか把握されていない状況で、計画者がどのようにして頑健な計画を生成できるか。
• RQ2 計画が欠落情報のすべての解釈において安全であることを確認するためのメカニズムは何か。
• RQ3 帰納的推論と議論的推論をどのように統合し、弱い計画を安全な計画に拡張できるか。
• RQ4 ${\cal E}$-Plannerは、古典的な定理証明器に基づくアプローチと比較して、不完全な情報に対処する点でどのような点が異なるか。
• RQ5 議論的推論に基づくアプローチは、全モデルの列挙を避けながら、不確実性下での効率的で目的指向の計画をどのようにサポートできるか。

主な発見

• ${\cal E}$-Plannerは、初期状態のフラuentが未知であっても、すべての可能な解釈において目標到達を保証する安全な計画に弱い計画を効果的に拡張できる。
• 計画の安全性を保証するため、議論的推論を用いて、すべての許容可能な拡張が目標を否定できないことを検証する。
• 帰納的推論により、計画の有効性を保証する仮定を生成し、これらを計画生成および拡張の両方に統合する。
• 全世界の分析と比較して、明示的なモデル列挙を避けることで、計算コストを低減する。
• 初期状態に限らず、任意の時刻に観測を処理でき、不完全なデータから間接的な推論が可能になる。
• 本アプローチは汎用的かつ拡張可能であり、非決定的行動、センシング、制約に基づく最適化への将来的な拡張をサポートする。