[論文レビュー] Totally and Partially Ordered Hierarchical Planners in PDDL4J Library

Damien Pellier, Humbert Fiorino|arXiv (Cornell University)|Nov 26, 2020

AI-based Problem Solving and Planning参考文献 7被引用数 6

ひとこと要約

本論文では、2020年HTN IPCコンペティション向けにPDDL4Jライブラリに実装された2つの階層的計画手法、TFDおよびPFDを提示する。これらは、持ち上げ表現最適化、型推論、到達可能性プリーニングに基づくコン pactなグランドイング技術を用いた前向き鎖交（forward-chaining）タスク分解を採用しており、完全順序および部分順序タスクネットワークの両方において、ビットセットによるエンコードを用いたアクションおよびメソッドにより、効率的な探索を実現している。

ABSTRACT

In this paper, we outline the implementation of the TFD (Totally Ordered Fast Downward) and the PFD (Partially ordered Fast Downward) hierarchical planners that participated in the first HTN IPC competition in 2020. These two planners are based on forward-chaining task decomposition coupled with a compact grounding of actions, methods, tasks and HTN problems.

研究の動機と目的

• PDDL4Jフレームワークを用いて、2020年HTN IPCコンペティション向けに効率的な階層的計画法を設計・実装すること。
• 表現力の損なわれないまま、グランドされた計画表現のサイズを小さくすることで、探索効率を向上させること。
• 異なる探索戦略を用いて完全順序および部分順序タスクネットワークの両方をサポートしながら、正しさを維持すること。
• インertiaに基づく到達可能性解析を用いて、到達不可能なアクションおよびメソッドをプリーニングすることで、グランドイングを最適化すること。
• ビットセットによるエンコードを用いて、グランドされたアクションおよびメソッドのメモリ表現をコンパクトに保ちながら、スケーラブルな計画を実現すること。

提案手法

• グランドイングは6段階で実行される：持ち上げドメインの整数符号化、型推論、到達可能性プリーニングを伴うアクションのインスタンス化、到達不可能なアクションのフィルタリング、再帰的分解を伴うメソッドのインスタンス化、およびアクションおよびメソッドのビットセットによるエンコード。
• TFD計画法は、リストの最初のタスクを常に処理する順序付きタスク選択戦略を採用し、再帰的に前向き鎖交分解を適用する。
• PFD計画法は、先行タスクのないタスクを選択することで部分順序の一貫性を保つトップロジカル順序戦略を採用し、ワーシャルのアルゴリズムを用いてサイクルの有無をチェックする。
• 両計画法とも、探索中に非決定的選択を実行し、未分解タスクが少ないタスクネットワークを優先し、同率の場合にはアクション数が少ない方を優先する。
• グランドイングプロセスは、インertiaの原則を活用して、初期状態で実行できないと予想されるアクションおよびメソッドを削除し、探索空間を縮小する。
• コンパクトな表現は、メモリ使用量を最小限に抑え、探索中のアクセスを高速化するためにビットセットを用いて格納される。

実験結果

リサーチクエスチョン

• RQ1 階層計画におけるグランド表現のサイズを最小限に抑えるために、解の完全性を損なわずにコンパクトなグランドイング技術をどのように設計できるか？
• RQ2 インertiaに基づく到達可能性プリーニングが、グランドイングの効率および探索性能に与える影響は何か？
• RQ3 前向き鎖交タスク分解を、完全順序および部分順序タスクネットワークの両方に対応させるために、どのように効率的に適応できるか？
• RQ4 ビットセットエンコードは、メモリ使用量と速度の観点から、階層計画法の性能にどのように寄与するか？
• RQ5 異なるタスク選択戦略（順序付き vs. トップロジカル）は、階層計画のスケーラビリティおよび正しさにどのように影響を与えるか？

主な発見

• 到達可能性解析を用いた到達不可能なアクションおよびメソッドの削除により、グランドイングプロセスが探索空間を顕著に縮小した。
• グランドされたアクションおよびメソッドにビットセットエンコードを適用することで、効率的なメモリ表現と探索中の高速アクセスが実現された。
• PFD計画法は、ワーシャルのアルゴリズムを用いて順序制約の推移的閉包を計算することで、部分順序の一貫性を効果的に維持し、サイクルのないタスクネットワークを保証した。
• TFDおよびPFD計画法は2020年HTN IPCで競争力ある性能を発揮し、それらのグランドイングおよび探索戦略の有効性を示した。
• 両計画法の探索戦略は、未分解タスクおよびアクションの数が少ないタスクネットワークを優先することで、非決定的分岐を削減し、効率性を向上させた。
• コンパクトなグランドイングと前向き鎖交分解の統合により、複雑な階層的ドメインにおけるスケーラブルな計画が可能になった。