[論文レビュー] Reasoning about Knowledge and Strategies under Hierarchical Information

Bastien Maubert, Aniello Murano|arXiv (Cornell University)|May 31, 2018

Logic, Reasoning, and Knowledge被引用数 8

ひとこと要約

本稿は、不完全情報の意味論を備えた戦略論理（ESL）の知識的拡張を導入し、階層的システムにおける知識、戦略、動的観察変化の推論を可能にする。本稿は、階層的インスタンスにおけるESLのモデルチェックの決定可能性を初めて確立し、完全記憶を仮定する状況下で、分散的および合理的な合成問題を知識的時系列仕様に基づき解けるようにする。

ABSTRACT

Two distinct semantics have been considered for knowledge in the context of strategic reasoning, depending on whether players know each other's strategy or not. The problem of distributed synthesis for epistemic temporal specifications is known to be undecidable for the latter semantics, already on systems with hierarchical information. However, for the other, uninformed semantics, the problem is decidable on such systems. In this work we generalise this result by introducing an epistemic extension of Strategy Logic with imperfect information. The semantics of knowledge operators is uninformed, and captures agents that can change observation power when they change strategies. We solve the model-checking problem on a class of "hierarchical instances", which provides a solution to a vast class of strategic problems with epistemic temporal specifications on hierarchical systems, such as distributed synthesis or rational synthesis.

研究の動機と目的

• 不完全情報と完全記憶の下で、知識的戦略論理のモデルチェックにおける決定性のギャップを解消すること。特に、分散的および合理的な合成問題に焦点を当てる。
• エージェントが他のエージェントの戦略を知らない（不完全情報の意味論）という戦略的文脈における知識の意味論を形式化すること。これは、通信を行わない独立したシステム部品をより良くモデル化する。
• 戦略論理に知識的演算子と観察変化を組み合わせることで、時間とともに観察能力が変化するエージェントの推論を可能にする。
• 完全記憶を仮定する階層的システムにおける知識的時系列指定のための決定的モデルチェックフレームワークを提供すること。
• 先行の知識的戦略論理に欠けていた、観察能力の動的変化を許容することで、既存の結果を一般化すること。

提案手法

• エージェントの知識が他のエージェントの戦略によって洗練されない「不完全情報の意味論」を備えた、戦略論理（ESL）の知識的拡張を提案する。
• QCTL*に知識的演算子と観察変化演算子を組み合わせた新しい論理を導入し、動的観察階層をモデル化する。
• より情報の多いプレイヤーが、より情報の少ないプレイヤーの全行動を観察するという構造的整合性を保証する、階層的インスタンスを定義する。
• 不完全情報と観察変化を扱うために、k-ツリーを用いた木オートマトンに基づく構成を考案する。
• オートマトン理論的手法を用いて、モデルチェック問題を木オートマトンの空集合チェック問題に還元し、決定性を保証する。
• 固定された戦略と観察条件の下で、観察関係に行動履歴を含めるように精錬することで、自らの戦略の知識を模倣できることが示される。

実験結果

リサーチクエスチョン

• RQ1 エージェントが他のエージェントの戦略を知らない状況下で、完全記憶を仮定する知識的戦略論理が、モデルチェックにおいて決定的であるか。
• RQ2 実世界の変化（センサーの故障やデータアクセスの変化など）を反映するように、観察能力を知識的戦略論理で形式的に動的にモデル化できるか。
• RQ3 QCTL*に知識的演算子と観察変化演算子を拡張することで、階層的システムにおける決定的モデルチェックが可能になるか。
• RQ4 知識的時系列指定を満たす分散的および合理的な合成問題が、不完全情報の意味論のもとで決定的であるか。
• RQ5 不完全情報の意味論が、観察関係を精錬することで、自らの戦略の知識をどの程度模倣できるか。

主な発見

• 提案された知識的戦略論理ESLのモデルチェック問題は、階層的インスタンスにおいて決定的であり、完全記憶を仮定する知識的戦略論理において、これが初めての結果である。
• ESLは、センサー障害や新しいデータへのアクセスといった現実世界のシナリオをモデル化できる、観察能力が時間とともに変化するエージェントの推論をサポートする。
• 不完全情報の意味論は、通信を行わない独立したシステム部品をモデル化する上で十分かつ自然であることが示された。
• 決定性の結果により、完全記憶を仮定する階層的システムにおける、知識的時系列指定を満たす分散的および合理的な合成問題が解けるようになった。
• 不完全情報と観察変化を扱うために、木オートマトンとk-ツリーに基づく新しいオートマトン構成が用いられた。
• 固定された戦略と観察条件の下で、観察関係に行動履歴を含めるように精錬することで、不完全情報の意味論は自らの戦略の知識を模倣できる。