[논문 리뷰] A Dynamic Epistemic Framework for Conformant Planning

Quan Yu, Yanjun Li외 1명|2016. 06. 24.

Logic, Reasoning, and Knowledge참고 문헌 32인용 수 9

한 줄 요약

이 논문은 초기 불확실성 하에서 일관된 계획을 위한 경량 동적 지식 논리 프레임워크인 EPDL을 제안한다. 계획 검증과 일관된 계획 문제를 모델 체킹 문제로 환원하며, 항성 없는 부분은 PSPACE-완전임을 증명하고, 전체 및 반복 없이 사용하는 언어에 대해 비표준 의미론을 통해 새로운 알고리즘을 제공한다.

ABSTRACT

In this paper, we introduce a lightweight dynamic epistemic logical framework for automated planning under initial uncertainty. We reduce plan verification and conformant planning to model checking problems of our logic. We show that the model checking problem of the iteration-free fragment is PSPACE-complete. By using two non-standard (but equivalent) semantics, we give novel model checking algorithms to the full language and the iteration-free language.

연구 동기 및 목표

• 초기 불확실성 하에서 자동 계획을 위한 논리적 프레임워크를 개발하는 것, 특히 피드백이 제공되지 않는 일관된 계획에 초점을 맞추는 것.
• 일관된 계획 및 계획 검증 문제를 동적 지식 논리 시스템 내에서 모델 체킹 문제로 환원하는 것.
• 논리의 전체 및 반복 없이 사용하는 부분에 대해 복잡도 결과와 효율적인 모델 체킹 알고리즘을 제공하는 것.
• 동적 지식 논리와 고전적 인공지능 계획 간 격차를 메우기 위해 단일 에이전트 계획에서의 불확실성을 다룰 수 있는 결정 가능하고 표현력 있으며 계산적으로 다룰 수 있는 형식론을 제공하는 것.
• 미래 연구에서 이 프레임워크를 조건부 계획 및 확률적 계획으로 확장하기 위한 기초를 마련하는 것.

제안 방법

• 왕과 리의 논리 기반으로 한 동적 지식 논리 프레임워크인 EAL을 제안하고, 계획을 표현하기 위해 프로그램을 포함한 EPDL로 확장한다.
• 불확실성 맵을 사용하여 불확실성 구조를 모델링하며, 상태는 가능한 초기 상태를 나타내고, 전이들은 불확실성 하에서의 동작 효과를 기록한다.
• 불확실성 맵 상에서 EPDL에 대한 모델 체킹을 정의하며, 공식의 진리값은 믿음 상태(가능한 상태의 부분집합)에 상대적으로 평가된다.
• 전체 및 반복 없이 사용하는 언어에 대해 새로운 비표준이지만 동치인 의미론을 도입하여, 전체 및 반복 없이 사용하는 부분에 대한 새로운 모델 체킹 알고리즘을 가능하게 한다.
• 사비치의 정리에 영감을 얻은 재귀적 이분법 유사 알고리즘을 사용하여 항성 없는 부분의 모델 체킹이 PSPACE 내에 있음을 보이며, 도달 가능성 질의에 다항 시간 공간을 활용한다.
• 전체 EPDL 부분의 모델 체킹이 EXPtime 내에 있음을 증명하고, 일관된 계획 문제의 복잡도가 여전히 PSPACE 내에 있음을 확인하여 기존의 인공지능 계획 복잡도 경계와 일치시킨다.

실험 결과

연구 질문

• RQ1 일관된 계획 문제는 동적 지식 논리 프레임워크 내에서 모델 체킹 문제로 효과적으로 환원될 수 있는가?
• RQ2 제안된 논리의 항성 없는 부분에 대해 불확실성 맵 상에서 모델 체킹의 계산 복잡도는 무엇인가?
• RQ3 비표준 의미론을 사용하여 효율적인 모델 체킹 알고리즘을 어떻게 설계할 수 있는가?
• RQ4 제안된 논리는 피드백이 있는 조건부 및 조건부 계획을 얼마나 잘 표현할 수 있는가?
• RQ5 이 프레임워크는 확률적 계획 및 관측 능력이 다양한 상황에서의 통합 인공지능 계획으로 확장될 수 있는가?

주요 결과

• EPDL의 반복 없이 사용하는 부분에 대해 불확실성 맵 상의 모델 체킹 문제는 PSPACE-완전하다.
• 다항 시간 공간에서 작동하는 이분법 유사 재귀적 방법을 사용하여 반복 없이 사용하는 부분에 대한 새로운 모델 체킹 알고리즘을 개발하였다.
• 전체 EPDL 부분의 모델 체킹 문제는 EXPtime 내에 있으며, 이는 복잡한 계획에 대한 검증이 효율적임을 시사한다.
• 프레임워크는 일관된 계획 문제를 모델 체킹 문제로 성공적으로 환원하였으며, 기존의 계획 문제의 PSPACE 복잡도를 유지한다.
• 비표준 의미론의 사용은 전체 믿음 상태 공간을 명시적으로 구성하지 않고도 효율적이고 동치인 모델 체킹 절차를 가능하게 한다.
• 이 프레임워크는 $(?p;a + ?\neg p;b);c$와 같은 조건부 계획을 표현할 수 있을 정도로 표현력이 충분하여 피드백이 있는 조건부 계획으로의 확장 가능성을 시사한다.