[논문 리뷰] FAPE: a Constraint-based Planner for Generative and Hierarchical Temporal Planning

Arthur Bit-Monnot, Malik Ghallab외 2명|arXiv (Cornell University)|2020. 10. 25.

AI-based Problem Solving and Planning참고 문헌 79인용 수 6

한 줄 요약

FAPE는 도달 가능성 분석과 인과 네트워크를 통합하여 효율적인 탐색을 이끌어내는 제약 기반 시간 계획기이다. 이는 유연한 타임라인과 계층적 작업 분해와 같은 ANML 모델링 언어의 표현력을 지원하며, 최신 계획기들과 경쟁 가능한 성능을 달성한다. 특히 계층적 제어 지식이 제공될 경우 뛰어난 성능을 발휘한다.

ABSTRACT

Simple Temporal Networks with Uncertainty are a powerful and widely used formalism for representing and reasoning over convex temporal constraints in the presence of uncertainty called contingent constraints. Since their introduction, they have been used in planning and scheduling applications to model situations where the scheduling agent does not control some activity durations or event timings. What needs to be checked is then the controllability of the network, i.e., that there is a valid execution strategy whatever the values of the contingents. This paper considers a new type of multi-agent extension, where, as opposed to previous works, each agent manages its own separate STNU, and the control over activity durations is shared among the agents: what is called here a contract is a mutual constraint controllable for some agent and contingent for others. We will propose a semantically enriched version of STNUs that will be composed into a global Multi-agent Interdependent STNUs model. Then, controllability issues will be revisited, and we will focus on the repair problem, i.e., how to regain failed controllability by shrinking some of the shared contract durations, here in a centralized manner.

연구 동기 및 목표

• ANML 시간 모델링 언어의 전반적인 표현력을 지원하는 계획기를 개발하는 것. 이는 특히 탄력적인 타임라인과 계층적 작업 분해를 포함한다.
• 타임라인 기반 계획의 효율성 도전 과제를 해결하기 위해 정보화 휴리스틱과 제약 전파를 통합하는 것.
• 새로운 도달 가능성 분석과 인과 네트워크 구축을 통해 확장 가능하고 효율적인 시간 계획을 실현하는 것.
• 표준 벤치마크에서 평가하고, 특히 계층적 분해 조건 하에서 IPC 계획기들과의 성능 비교를 수행하는 것.

제안 방법

• FAPE는 결함 기반 탐색을 사용하는 플랜스페이스 계획 절차를 사용하며, 결함은 불완전하거나 일관되지 않은 계획 구성 요소를 나타낸다.
• 행동와 타임라인 간의 시간적 및 논리적 제약을 표현하기 위해 제약 네트워크를 활용한다.
• 도달 가능성 분석을 통해 어떤 행동이 다른 행동에 영향을 줄 수 있는지 사전에 계산함으로써, 탐색을 이끄는 인과 네트워크를 구성한다.
• 계층적 분해와 행동 바인딩을 관리하기 위해 인스턴시에이션 및 리파인먼트 변수를 사용한다.
• 인과 네트워크에서 유도된 정보화 휴리스틱을 사용하여 탐색 우선순위를 정하고 탐색 범위를 줄인다.
• 도달 가능성과 인과 제약을 기반으로 탐색 전략을 이끌며, 동적 재정렬과 가지치기를 통해 효율성을 향상시킨다.

실험 결과

연구 질문

• RQ1 제약 기반 계획기가 효율성을 희생시키지 않고 ANML의 전반적인 시간적 및 계층적 기능을 효과적으로 지원할 수 있는가?
• RQ2 도달 가능성 분석은 타임라인 기반 플랜스페이스 계획에서 탐색 공간을 어떻게 줄이는가?
• RQ3 인과 네트워크는 시간 계획에서 휴리스틱 품질과 탐색 성능을 얼마나 향상시키는가?
• RQ4 특히 계층적 지식이 제공될 경우, FAPE는 IPC 계획기와 비교해 확장성과 해의 품질 측면에서 어떻게 성능을 내는가?
• RQ5 타임라인 기반 프레임워크인 ANML 내에서 계획과 실행의 통합을 효과적으로 지원할 수 있는가?

주요 결과

• FAPE는 복잡한 시간적 추론이 요구되는 벤치마크에서 표현력이 낮은 계획기들과 비교해 경쟁 가능한 성능을 보였다.
• 계층적 제어 지식의 통합은 성능 향상에 상당한 기여를 하였으며, 일반적으로 비계층적 계획기보다 FAPE가 뛰어난 성능을 보였다.
• 도달 가능성 분석을 통해 인과 네트워크를 구성함으로써 탐색 공간을 효과적으로 제약하고 휴리스틱 평가를 이끌 수 있었다.
• 인과 네트워크에서 파생된 정보화 휴리스틱의 사용은 탐색 노력을 줄이고 수렴 속도를 향상시켰다.
• 표준 IPC 벤치마크에서의 실증 평가를 통해 계획기의 알고리즘은 타당성과 완전성을 확인하였다.
• FAPE는 ANML의 대부분의 표현적 시간적 및 계층적 기능을 지원하는 최초의 공개된 계획기로서, 부분 관측 환경에서 실행 및 감지와의 통합을 가능하게 하였다.