[論文レビュー] Software Architecture for Next-Generation AI Planning Systems

Sebastian Graef, Ilche Georgievski|arXiv (Cornell University)|Feb 22, 2021

AI-based Problem Solving and Planning参考文献 52被引用数 5

ひとこと要約

本論文は次世代のAI計画システムのためのサービス指向ソフトウェアアーキテクチャを提案し、計画機能を緩やかに結合された再利用可能なサービスに分解することで、使いやすさ、相互運用性、再利用性を向上させている。プロトタイプは迅速なプロトタイピングと柔軟な構成を実証し、モノリシックなプランナから拡張可能で、ソフトウェア設計原則に基づいた、工学的アプローチに立脚した計画エコシステムへの基盤的転換を示している。

ABSTRACT

Artificial Intelligence (AI) planning is a flourishing research and development discipline that provides powerful tools for searching a course of action that achieves some user goal. While these planning tools show excellent performance on benchmark planning problems, they represent challenging software systems when it comes to their use and integration in real-world applications. In fact, even in-depth understanding of their internal mechanisms does not guarantee that one can successfully set up, use and manipulate existing planning tools. We contribute toward alleviating this situation by proposing a service-oriented planning architecture to be at the core of the ability to design, develop and use next-generation AI planning systems. We collect and classify common planning capabilities to form the building blocks of the planning architecture. We incorporate software design principles and patterns into the architecture to allow for usability, interoperability and reusability of the planning capabilities. Our prototype planning system demonstrates the potential of our approach for rapid prototyping and flexibility of system composition. Finally, we provide insight into the qualitative advantages of our approach when compared to a typical planning tool.

研究の動機と目的

• AI計画ツールにおけるソフトウェア工学的実践の欠落、特にモノリシックで統合が困難な点を補う。
• サービス指向アーキテクチャ（SOA）の原則を適用することで、計画機能の使いやすさ、相互運用性、再利用性を向上させる。
• 既存の計画機能をモジュラーでシリアル化可能なサービスに分解し、コンポーネント指向開発とシステム構成を支援する。
• 既存のプランナと新しい計画サービスを緩やかに結合する形で統合可能な、標準的で拡張可能なフレームワークを提供する。
• 保守可能で進化可能であり、産業界のソフトウェア工学基準に整合した次世代計画システムの基盤を確立する。

提案手法

• 解析、モデリング、計画、検証、実行などのコア機能を特定するため、計画機能を運用的および技術的カテゴリに分類する。
• 各計画機能を緩やかに結合されたメッセージ通信型サービスとして実装し、明確に定義されたシリアル化可能なインターフェースを持つサービス指向アーキテクチャを設計する。
• 分離の原則、カプセル化などのソフトウェア設計原則およびパターンを適用し、技術的懸念を計画論理から分離する。
• Javaベースのサービスを用いてプロトタイプシステムを実装し、JSONおよびシリアル化可能なデータ構造を活用して相互運用性と統合性を確保する。
• PDDL4Jなどの既存の計画ツールをアダプタを用いてサービスにラップするが、ソースコードにおける強い結合性のため、すべてのツールの完全統合は困難であった。
• サービス間のメッセージベース通信を活用し、計画システム構成における動的構成と実行時柔軟性を実現する。

実験結果

リサーチクエスチョン

• RQ1 AI計画におけるモジュラーで再利用可能なシステム設計を支援するため、計画機能を体系的に分類する方法は何か？
• RQ2 モノリシックプランナと比較して、サービス指向アーキテクチャはAI計画システムにおける使いやすさ、相互運用性、再利用性をどの程度向上させ得るか？
• RQ3 既存の強く結合された計画ツールをモジュラーで相互運用可能なサービスにラップする際の主なソフトウェア工学的課題は何か？
• RQ4 サービス指向アーキテクチャは、現実世界の応用において計画システムの迅速なプロトタイピングと柔軟な構成を可能にするか？
• RQ5 緩やかな結合性や分離の原則といった設計原則は、次世代計画システムの保守性および拡張性にどのように影響を与えるか？

主な発見

• 提案されたサービス指向アーキテクチャは、計画論理と技術的懸念を明確に分離し、モジュラー開発と保守性の向上を実現した。
• プロトタイプは、メッセージベースのサービス統合を通じて計画機能の迅速なプロトタイピングと動的構成の実現を示した。
• PDDL4J以外のプランナでは、強い結合性とシリアル化可能でないデータ構造の欠如のため、サービスアーキテクチャへのラッピングに成功したのはPDDL4Jのみであった。
• ソフトウェア工学的原則の適用により、伝統的なAI計画ツールに通常見られない高水準の使いやすさ、相互運用性、再利用性を達成した。
• シリアル化可能なデータモデルであれば、新規データモデルの導入にも拡張可能であり、多様な応用ニーズに適応可能である。
• レガシープランナの統合に課題はあったが、アーキテクチャは新規計画サービスの育成を可能にするスケーラブルなエコシステムを提供し、繰り返しの統合作業を回避できる。