[논문 리뷰] A New Model of Plan Recognition

Robert P. Goldman, Christopher Geib외 1명|arXiv (Cornell University)|2013. 01. 23.

AI-based Problem Solving and Planning참고 문헌 10인용 수 117

한 줄 요약

이 논문은 정적 계획이나 규칙 기반 추론이 아닌, 동적 계획 실행 모델에 중심을 두고, 새로운 추론적(probabilistic) 계획 인식 모델을 제안한다. 이 모델은 부분적으로 순서가 지정된 행동들이 교차하여 관찰될 때의 누적 영향과 맥락이 계획 수용에 미치는 영향을 포착하며, 외부 간섭 상황에서 계획의 진화에 대한 추론을 가능하게 하여 지능형 사용자 보조 시스템을 가능하게 한다.

ABSTRACT

We present a new abductive, probabilistic theory of plan recognition. This model differs from previous plan recognition theories in being centered around a model of plan execution: most previous methods have been based on plans as formal objects or on rules describing the recognition process. We show that our new model accounts for phenomena omitted from most previous plan recognition theories: notably the cumulative effect of a sequence of observations of partially-ordered, interleaved plans and the effect of context on plan adoption. The model also supports inferences about the evolution of plan execution in situations where another agent intervenes in plan execution. This facility provides support for using plan recognition to build systems that will intelligently assist a user.

연구 동기 및 목표

• 기존 계획 인식 이론이 계획을 정적 형식적 객체로 간주하거나 엄격한 규칙에 의존하는 데서 비롯하는 한계를 해결하기 위해.
• 부분적으로 순서가 지정된, 교차하는 계획의 관찰 시퀀스가 시간이 지남에 따라 누적적으로 어떻게 계획 인식에 영향을 주는지 모델링하기 위해.
• 이전 모델에서 자주 간과되지만 계획 수용에 영향을 미치는 맥락적 요인을 포함시키기 위해.
• 다른 에이전트가 실행 도중 간섭할 경우 계획의 진화에 대해 추론할 수 있도록 하기 위해.
• 정확한 계획 인식과 사용자 계획에 대한 적응을 통해 사용자를 보조할 수 있는 지능형 시스템 개발을 지원하기 위해.

제안 방법

• 모델는 정적 계획 표현이 아닌, 계획의 동적 실행 모델에 기반한 추론적(probabilistic) 프레임워크를 사용한다.
• 관측된 행동과 맥락을 바탕으로 시간이 지남에 따라 가설 생성 및 평가 과정으로서 계획 인식을 표현한다.
• 여러 계획 간의 행동들이 부분적으로 순서가 지정되고 교차하는 방식을 명시적으로 고려한다.
• 맥락적 요소를 계획 수용 및 실행에 영향을 주는 확률적 영향으로 통합한다.
• 간섭이 계획의 예상 궤적을 어떻게 변화시키는지 모델링함으로써, 외부 간섭 상황에서의 계획 진화에 대한 추론을 지원한다.
• 새로운 관측이 도착함에 따라 가능한 계획에 대한 믿음을 갱신함으로써 실시간 인식을 가능하게 한다.

실험 결과

연구 질문

• RQ1 부분적으로 순서가 지정되고 교차하는 행동들의 관찰이 누적적으로 어떻게 계획 인식에 영향을 미치는가?
• RQ2 맥락은 계획 선택 및 수용에 어떤 방식으로 영향을 미치며, 이를 어떻게 확률적으로 모델링할 수 있는가?
• RQ3 다른 에이전트가 실행 도중 간섭할 경우 계획 인식 시스템은 어떻게 계획의 진화를 추론할 수 있는가?
• RQ4 정적 계획 기반 접근 방식과 비교해 동적 실행 모델이 인식 정확도와 적응성 향상에 기여할 수 있는가?
• RQ5 이러한 모델은 실세계의 동적인 환경에서 사용자 계획을 추적하고 반응할 수 있는 지능형 시스템 개발을 어떻게 지원할 수 있는가?

주요 결과

• 모델는 부분적으로 순서가 지정된 여러 계획의 행동 관찰 시퀀스가 시간이 지남에 따라 누적적으로 어떻게 영향을 미치는지 성공적으로 설명하며, 인식 정확도가 점차 향상된다.
• 맥락적 요소는 계획 수용에 상당한 영향을 미치며, 모델는 이러한 영향을 인식 과정 내에서 확률적 의존성으로 포착한다.
• 외부 간섭 상황에서의 계획 진화에 대한 추론을 가능하게 하여, 대부분의 이전 접근 방식에서 부족했던 능력을 제공한다.
• 계획 실행을 동적으로 모델링함으로써, 복잡한 실세계 시나리오에서 더 견고하고 적응력 있는 인식이 가능해진다.
• 실시간으로 변화하는 사용자 계획을 추적하고 반응할 수 있는 지능형 보조 시스템을 구축하는 데 기여한다.
• 규칙 기반 또는 정적 계획 형식론 접근 방식과 비교해 불확실성과 교차 행동 시퀀스를 더 잘 다루는 것으로 나타났다.