[논문 리뷰] Levels of Integration between Low-Level Reasoning and Task Planning

Esra Erdem, Volkan Patoğlu외 1명|arXiv (Cornell University)|2013. 07. 29.

AI-based Problem Solving and Planning참고 문헌 16인용 수 3

한 줄 요약

이 논문은 답변 집합 프로그래밍을 사용하여 저수준 기하학적 및 시간적 추론을 고수준 작업 계획에 통합하기 위한 네 가지 다른 전략을 제안하고 평가한다. 주요 발견은 통합이 실시간으로 이루어지는 혼합형 통합(Int) 전략이 가장 뛰어난 성능과 실행 가능성과 함께 최적의 성능을 보이며, 전체 통합이 불가능한 경우 재계획(Repl) 전략이 강건성을 확보한다는 것이다.

ABSTRACT

We provide a systematic analysis of levels of integration between discrete high-level reasoning and continuous low-level reasoning to address hybrid planning problems in robotics. We identify four distinct strategies for such an integration: (i) low-level checks are done for all possible cases in advance and then this information is used during plan generation, (ii) low-level checks are done exactly when they are needed during the search for a plan, (iii) first all plans are computed and then infeasible ones are filtered, and (iv) by means of replanning, after finding a plan, low-level checks identify whether it is infeasible or not; if it is infeasible, a new plan is computed considering the results of previous low- level checks. We perform experiments on hybrid planning problems in robotic manipulation and legged locomotion domains considering these four methods of integration, as well as some of their combinations. We analyze the usefulness of levels of integration in these domains, both from the point of view of computational efficiency (in time and space) and from the point of view of plan quality relative to its feasibility. We discuss advantages and disadvantages of each strategy in the light of experimental results and provide some guidelines on choosing proper strategies for a given domain.

연구 동기 및 목표

• 하이브리드 로봇 계획 문제에서 이산적인 고수준 추론과 연속적인 저수준 추론 간의 통합 수준을 체계적으로 분석하기 위해.
• 다양한 통합 전략 간의 계산 효율성(시간 및 메모리)과 계획 품질(실행 가능성) 간의 상충 관계를 평가하기 위해.
• 영역 특성과 계산 제약 조건에 따라 적절한 통합 전략을 선택하는 데 실용적인 지침을 제공하기 위해.
• 사전 계산, 실시간 점검, 필터링, 재계획이 로봇 조작 및 다리 운동 영역에서 성능에 미치는 영향을 평가하기 위해.

제안 방법

• 작업 계획 문제를 표현하고 저수준 실행 가능성 검사를 위해 외부 술어를 사용하기 위해 답변 집합 프로그래밍(ASP)과 dlvhex 솔버를 사용한다.
• 네 가지 통합 전략을 적용한다: (i) 계획 이전에 모든 저수준 점검을 사전에 계산하는 것, (ii) 탐색 도중 실시간으로 저수준 점검을 수행하는 것, (iii) 계획 생성 후 실행 불가능한 계획을 필터링하는 것, (iv) 실행 불가능성이 발견된 후 재계획을 수행하는 것.
• 사전 계산과 실시간 점검을 혼합하여 중간 수준의 통합 수준을 탐색하기 위해 하이브리드 전략을 조합한다.
• 특정 저수준 점검에 대해 큰 입력 공간을 가진 도메인에서 오버헤드를 줄이고 효율성을 향상시키기 위해 전용 사전 계산 도구를 구현한다.
• 실행 시간, 메모리 사용량, 실행 가능 및 실행 불가능한 해의 수, 해의 열거 효율성 등을 측정하여 성능을 평가한다.
• 전략의 평가를 위해 실제 제약 조건과 복잡한 실행 가능성 검사를 수반하는 로봇 조작 및 다리 운동 영역을 테스트 도메인으로 사용한다.

실험 결과

연구 질문

• RQ1 고수준 작업 계획과 저수준 기하학적 추론 간의 다양한 통합 수준이 계산 효율성과 계획 실행 가능성에 어떤 영향을 미치는가?
• RQ2 하이브리드 계획에서 사전 계산, 실시간 점검, 필터링, 재계획 전략 간의 성능 상충 관계는 어떠한가?
• RQ3 어떤 도메인 또는 조건에서 사전 계산 전략이 실시간 통합 전략보다 더 효과적인가, 반대로 어떤 경우에 실시간 통합 전략이 더 유리한가?
• RQ4 통합 수준이 실행 가능한 해를 찾기까지 생성되는 실행 불가능한 해의 수에 어떤 영향을 미치는가?
• RQ5 다양한 통합 수준을 조합한 하이브리드 전략이 단일 전략 대비 강건성과 효율성을 향상시키는가?

주요 결과

• 실시간으로 통합하는 혼합형 통합 전략(Int)이 가장 뛰어난 실행 시간 성능을 보이며, 실행 불가능한 후보 수를 최소화한다. 로봇 조작 도메인에서 621개의 실행 가능 계획과 오직 38개의 실행 불가능한 후보를 생성한다.
• 효율적인 사전 계산 도구를 사용할 경우, 로봇 조작 도메인에서 사전 계산(Pre) 전략이 다른 방법보다 뛰어나며, 총 계산 시간을 난이도 없는 방법의 1361초에서 238초로 감소시킨다.
• 필터링(Filt) 전략은 가장 열 劣하며, 로봇 조작 도메인에서 11,787개의 해 후보를 생성한 반면 실행 가능한 해는 오직 622개에 불과하여 탐색 가이던스가 열 劣하다는 것을 시사한다.
• 재계획(Repl) 전략은 Filt 전략보다 더 강건하며, 다리 운동 도메인에서 20개의 인스턴스를 모두 성공적으로 해결한 반면, Filt 전략은 20개 중 15개만 해결했다.
• 다리 운동 도메인에서 Repl 전략은 68개의 실행 가능 해를 생성한 반면 250개의 실행 불가능한 후보를 생성하여 균형 검사에 대한 큰 입력 공간으로 인해 더 높은 실행 불가능률을 보인다.
• Pre 전략을 다른 전략과 조합하면 특히 고차원 입력을 가진 도메인에서 효율성이 향상되지만, 저수준 점검이 사전에 계산하기 너무 비쌀 경우 사전 계산 자체가 비현실적이 된다.