[논문 리뷰] An approach to multi-agent planning with incomplete information

Alejandro Torreño, Eva Onaindía외 1명|arXiv (Cornell University)|2015. 01. 28.

AI-based Problem Solving and Planning참고 문헌 13인용 수 26

한 줄 요약

이 논문은 부분순서계획법(Partial-Order Planning, POP) 기반의 일반 목적의 다중 에이전트 계획(Multi-Agent Planning, MAP) 프레임워크를 제안하며, 정보가 불완전하고 결합 정도가 다양한 상황에서도 에이전트들이 협력적으로 계획 문제를 해결할 수 있도록 한다. 비밀 지식을 유지하면서도 공동 계획을 점진적으로 개선함으로써, 특히 많은 에이전트가 관여하고 상호 의존도가 높은 밀접하게 결합된 도메인에서 CSP 기반 방법에 비해 확장성과 효율성이 뛰어나다.

ABSTRACT

Multi-agent planning (MAP) approaches have been typically conceived for independent or loosely-coupled problems to enhance the benefits of distributed planning between autonomous agents as solving this type of problems require less coordination between the agents' sub-plans. However, when it comes to tightly-coupled agents' tasks, MAP has been relegated in favour of centralized approaches and little work has been done in this direction. In this paper, we present a general-purpose MAP capable to efficiently handle planning problems with any level of coupling between agents. We propose a cooperative refinement planning approach, built upon the partial-order planning paradigm, that allows agents to work with incomplete information and to have incomplete views of the world, i.e. being ignorant of other agents' information, as well as maintaining their own private information. We show various experiments to compare the performance of our system with a distributed CSP-based MAP approach over a suite of problems.

연구 동기 및 목표

• 기존의 MAP 접근법이 정보가 불완전한 상황에서 밀접하게 결합된 문제를 다루는 데에 한계를 보이고 있는 문제를 해결하기 위해.
• 에이전트들이 세계에 대해 비밀이고 불완전한 시각을 가질 수 있도록 지원하는 일반 목적의 도메인 독립적 MAP 프레임워크를 개발하기 위해.
• 전체 정보 공유가 필요 없이도 분산된 다중 에이전트 시스템에서 효율적인 협력과 계획 개선을 가능하게 하기 위해.
• 성능와 확장성 측면에서 분산된 CSP 기반 MAP 시스템(Planning First)과 제안된 방법을 비교하기 위해.
• 로지스틱 및 로버/위성 작업과 같은 다양한 계획 도메인에서 프레임워크의 효과성을 평가하기 위해.

제안 방법

• 이 접근법은 부분순서계획법(Partial-Order Planning, POP)에 기반한 협동적 개선 계획 철학을 사용하여, 에이전트들이 공동 계획을 점진적으로 구축하고 수정할 수 있도록 한다.
• 각 에이전트는 부분 관찰 가능성과 개방 세계 가정을 갖춘 STRIPS 유사 모델을 사용하여 비밀이고 불완전한 세계 시각을 유지한다.
• 상태 변수는 유한 도메인을 기반으로 정의되며, 플루언트는 변수-값 할당 또는 그 부정을 나타내며, 해당 플루언트가 존재하지 않을 경우 값이 미지로 간주된다.
• 시스템은 에이전트 간 협력을 반복적인 계획 개선을 통해 모델링하며, 전체 비밀 지식이 아닌 협력에 관련된 정보만 교환한다.
• 계획과 협력 단계를 동적으로 통합함으로써, 밀접하게 결합된 도메인에서의 조합 폭발 문제를 방지한다.
• POP 기반 알고리즘이 일관성과 불필요한 협력 오버헤드를 최소화하면서도 점진적으로 공동 계획을 구성한다.

실험 결과

연구 질문

• RQ1 POP 기반의 다중 에이전트 계획 프레임워크는 결합 정도가 다양한 문제, 특히 밀접하게 결합된 도메인을 효과적으로 다룰 수 있는가?
• RQ2 제안된 MAP-POP 접근법은 분산된 CSP 기반 방법(Planning First)에 비해 확장성과 해의 질 측면에서 어떻게 성능을 발휘하는가?
• RQ3 에이전트들이 여전히 협력적인 공동 계획을 달성하기 위해 비밀 정보를 얼마나 오랫동안 유지할 수 있는가?
• RQ4 에이전트 수가 증가함에 따라 이 프레임워크는 효율적으로 확장되는가, 특히 복잡하고 상호의존적인 계획 작업에서 그러한가?
• RQ5 실제의 분산 도메인에서 정보가 불완전한 상황에서, 중심 집중형 또는 느슨하게 결합된 계획 방법에 비해 이 접근법이 승리할 수 있는가?

주요 결과

• MAP-POP는 14명의 위성 문제의 14개 인스턴스와 14명의 로버 문제의 14개 인스턴스를 모두 성공적으로 해결했으며, Planning First는 각각 8명과 9명을 초월해 문제를 해결하지 못했다.
• 9명의 로버 문제에서 Planning First는 40분 이상 소요되었지만, MAP-POP는 단 20초 만에 해결하여 훨씬 뛰어난 확장성을 보였다.
• 느슨하게 결합된 문제에서는 MAP-POP가 Planning First보다 더 낮은 행동 수와 짧은 기간을 기록하며 더 나은 계획 품질을 달성했으며, 가장 작은 인스턴스에서는 약간 느린 편이었다.
• MAP-POP는 에이전트 수 증가에 따라 일관된 성능을 유지했으며 실행 시간은 약간 증가하는 수준에 머물러 있어 강력한 확장성을 보였다.
• 특히 협력 복잡도가 높은 밀접하게 결합된 도메인에서, MAP-POP는 성능와 내구성 면에서 Planning First를 능가했다.
• 결과적으로 MAP-POP는 일반 목적의 효율적이고 확장 가능한 다중 에이전트 계획 솔루션으로서 정보가 불완전한 상황에서도 느슨하게 결합된 문제와 밀접하게 결합된 문제 모두에 적용 가능하다는 것이 확인되었다.