[논문 리뷰] Belief change with noisy sensing in the situation calculus

Jianbing Ma, Weiru Liu외 1명|arXiv (Cornell University)|2012. 02. 14.

Logic, Reasoning, and Knowledge참고 문헌 24인용 수 8

한 줄 요약

이 논문은 노이즈가 있는 감지 조건 하에서 반복적인 믿음 변화를 다룰 수 있도록 상황계산 프레임워크를 확장한다. 여기서 감지 행동은 정확하지 않은 정보를 제공할 수 있다. 노이즈가 있는 감지 조건 하에서도 일관된 믿음을 유지하고 믿음 재편성, 믿음 갱신, 내적 인식을 수행할 수 있도록 형식적 메커니즘을 도입한다. 감지 오류 비율이 제한되어 있으면 일관된 믿음 상태를 달성할 수 있음을 증명한다.

ABSTRACT

Situation calculus has been applied widely in artificial intelligence to model and reason about actions and changes in dynamic systems. Since actions carried out by agents will cause constant changes of the agents' beliefs, how to manage these changes is a very important issue. Shapiro et al. [22] is one of the studies that considered this issue. However, in this framework, the problem of noisy sensing, which often presents in real-world applications, is not considered. As a consequence, noisy sensing actions in this framework will lead to an agent facing inconsistent situation and subsequently the agent cannot proceed further. In this paper, we investigate how noisy sensing actions can be handled in iterated belief change within the situation calculus formalism. We extend the framework proposed in [22] with the capability of managing noisy sensings. We demonstrate that an agent can still detect the actual situation when the ratio of noisy sensing actions vs. accurate sensing actions is limited. We prove that our framework subsumes the iterated belief change strategy in [22] when all sensing actions are accurate. Furthermore, we prove that our framework can adequately handle belief introspection, mistaken beliefs, belief revision and belief update even with noisy sensing, as done in [22] with accurate sensing actions only.

연구 동기 및 목표

• 기존 상황계산 프레임워크가 완벽한 감지를 전제로 하여 노이즈 조건에서는 성립하지 않는다는 한계를 해결하기 위해.
• 감지 행동이 오류를 일으킬 수 있는 상황에서도 에이전트가 반복적인 믿음 변화를 수행할 수 있도록 하기 위해.
• 노이즈가 있는 감지 조건 하에서도 믿음 재편성, 믿음 갱신, 믿음 내적 인식이 유효하고 일관되게 유지됨을 보장하기 위해.
• 제안된 프레임워크가 정확한 감지 조건 하에서 이전 연구를 일반화하고 노이즈 조건 하에서도 논리적 일관성을 유지함을 증명하기 위해.

제안 방법

• 오차 비율이 알려진 확률적 감지 행동을 포함하도록 상황계산 형식을 확장한다.
• 신뢰할 수 없는 센서 데이터의 잠재적 오류를 고려한 믿음 갱신 메커니즘을 도입한다.
• 노이즈 감지와 정확한 감지의 비율이 제한되어 있어 일관성을 유지할 수 있도록 유한한 노이즈 모델을 사용한다.
• 상황 용어를 기반으로 한 논리적 추론을 통해 행동 및 관측의 시퀀스 동안 믿음 상태를 추적한다.
• 노이즈 입력이 존재하더라도 믿음 일관성이 유지되는 조건을 정의하고, 믿음 진화를 위한 형식적 공리계를 사용한다.
• 모든 감지가 오류가 없을 경우, 이전의 정확한 감지 접근 방식이 특수한 경우로 포함됨을 증명한다.

실험 결과

연구 질문

• RQ1 감지 행동이 노이즈를 포함할 경우 상황계산에서 믿음 변화를 어떻게 일관성 있게 관리할 수 있는가?
• RQ2 신뢰할 수 없는 센서 데이터가 존재하더라도 에이전트가 실제 세계의 상태를 여전히 파악할 수 있는 조건은 무엇인가?
• RQ3 감지가 정확하지 않을 경우, 프레임워크가 믿음 재편성, 믿음 갱신, 믿음 내적 인식을 지원할 수 있는가?
• RQ4 제안된 접근 방식은 완벽한 감지를 전제로 하는 이전 연구와 어떻게 관련되어 있으며 일반화되는가?
• RQ5 노이즈 감지와 정확한 감지의 비율에 어떤 제약 조건이 존재하면 믿음 진화가 일관되게 유지되는가?

주요 결과

• 프레임워크는 노이즈가 있는 감지 조건 하에서도 믿음 변화를 성공적으로 처리하며, 센서가 잘못된 정보를 제공하더라도 논리적 일관성을 유지한다.
• 노이즈 감지와 정확한 감지의 비율이 제한되어 있으면 에이전트는 여전히 실제 상황을 식별할 수 있다.
• 제안된 접근 방식은 Shapiro 등이 제안한 이전 프레임워크를 일반화하며, 모든 감지가 정확할 경우 이전 프레임워크로 축소된다.
• 노이즈가 있는 감지 조건 하에서도 믿음 재편성, 믿음 갱신, 믿음 내적 인식이 유지되고 적절히 처리된다.
• 형식적 접근은 완벽하지 않은 감지 조건 하에서도 행동 및 관측의 시퀀스를 거쳐 믿음 상태가 올바르게 진화하도록 보장한다.