[논문 리뷰] Drake: An Efficient Executive for Temporal Plans with Choice

Patrick R. Conrad, Brian C. Williams|arXiv (Cornell University)|2014. 01. 18.

AI-based Problem Solving and Planning참고 문헌 40인용 수 37

한 줄 요약

Drake는 이산적 선택을 가진 시간 계획을 위한 동적 실행자로, ATMS에서 영감을 받은 압축된 레이블링된 값 세트 유지 시스템을 사용하여 높은 효율성을 달성한다. 기존 작업 대비 컴파일된 계획 표현 크기를 500배 이상 줄였으며, 런타임 지연 증가 폭은 미미하다. 비지배적 제약 조건 유지 기법을 활용해 복잡한 시간 계획 시나리오에서 확장 가능한 실행을 실현한다.

ABSTRACT

This work presents Drake, a dynamic executive for temporal plans with choice. Dynamic plan execution strategies allow an autonomous agent to react quickly to unfolding events, improving the robustness of the agent. Prior work developed methods for dynamically dispatching Simple Temporal Networks, and further research enriched the expressiveness of the plans executives could handle, including discrete choices, which are the focus of this work. However, in some approaches to date, these additional choices induce significant storage or latency requirements to make flexible execution possible. Drake is designed to leverage the low latency made possible by a preprocessing step called compilation, while avoiding high memory costs through a compact representation. We leverage the concepts of labels and environments, taken from prior work in Assumption-based Truth Maintenance Systems (ATMS), to concisely record the implications of the discrete choices, exploiting the structure of the plan to avoid redundant reasoning or storage. Our labeling and maintenance scheme, called the Labeled Value Set Maintenance System, is distinguished by its focus on properties fundamental to temporal problems, and, more generally, weighted graph algorithms. In particular, the maintenance system focuses on maintaining a minimal representation of non-dominated constraints. We benchmark Drakes performance on random structured problems, and find that Drake reduces the size of the compiled representation by a factor of over 500 for large problems, while incurring only a modest increase in run-time latency, compared to prior work in compiled executives for temporal plans with discrete choices.

연구 동기 및 목표

• 자율 에이전트에서 이산적 선택을 가진 시간 계획을 실행할 때 발생하는 높은 저장소 비용과 지연 비용을 해결하기 위해.
• 불확실성 하에서 효율성을 유지하면서도 동적이고 반응성이 높은 계획 실행을 가능하게 하기 위해.
• 실행 속도를 희생시키지 않은 채 이산적 선택을 가진 시간 계획의 메모리 프로파일을 최소화하기 위해.
• 시간 문제의 구조적 특성과 가중치가 부여된 그래프를 활용해 압축된 제약 조건 표현을 가능하게 하기 위해.
• 중복된 추론과 저장을 방지하는 레이블링 시스템을 개발하기 위해.

제안 방법

• 시스템은 가정 기반 진리 유지 시스템(ATMS)의 개념을 기반으로 한 레이블링된 값 세트 유지 시스템(LVMS)을 사용한다.
• 중복을 방지하기 위해 비지배적 제약 조건의 최소 표현을 유지한다.
• 낮은 지연을 보장하기 위해 온라인 실행을 위해 사전처리 단계를 통해 계획을 컴파일한다.
• 레이블은 이산적 선택의 영향을 추적하여 효율적인 제약 조건 전파와 백트래킹을 가능하게 한다.
• 시간 문제와 가중치가 부여된 그래프 알고리즘의 근본적인 성질에 초점을 맞춘다.
• 계획의 구조를 활용해 종속성과 선택을 압축적으로 인코딩하여 저장소 오버헤드를 최소화한다.

실험 결과

연구 질문

• RQ1 이산적 선택을 가진 시간 계획을 어떻게 낮은 지연과 최소한의 메모리 사용으로 효율적으로 실행할 수 있는가?
• RQ2 어떤 압축 표현 기법이 동적 계획 실행에서 비지배적 제약 조건을 유지하는 데 효과적인가?
• RQ3 ATMS에서 영감을 받은 레이블링 방식이 시간 계획의 제약 조건 추론에서 중복을 얼마나 줄일 수 있는가?
• RQ4 제안된 시스템은 이산적 선택을 가진 시간 계획을 위한 기존 컴파일된 실행자와 비교해 크기와 속도 측면에서 어떻게 성능을 내는가?
• RQ5 레이블링 시스템은 성능 저하 없이 대규모이고 구조화된 시간 계획 문제에 확장 가능한가?

주요 결과

• Drake는 대규모 문제에서 기존 작업 대비 컴파일된 계획 표현 크기를 500배 이상 감소시켰다.
• 저장소 감소 폭이 크지만 런타임 지연 증가 폭은 미미하다.
• 레이블링된 값 세트 유지 시스템은 중복 최소화로 비지배적 제약 조건을 효과적으로 유지한다.
• 이 방법은 복잡한 시간 계획 시나리오에서 저지연 실행과 압축된 메모리 사용을 효과적으로 균형 잡는다.
• 랜덤 구조적 문제에 대한 벤치마킹을 통해 대규모 인스턴스 전반에서의 확장성과 효율성 향상을 확인했다.
• 이 방법은 저장소 효율성과 실행 반응성 측면에서 뛰어난 성능을 보이며, 실시간 자율 시스템에 적합하다.