[논문 리뷰] Planning for Temporally Extended Goals in Pure-Past Linear Temporal Logic: A Polynomial Reduction to Standard Planning

Giuseppe De Giacomo, Marco Favorito외 1명|arXiv (Cornell University)|2022. 04. 21.

Semantic Web and Ontologies인용 수 6

한 줄 요약

이 논문은 순수 과거 선형 시간 논리(pure-past linear temporal logic, ppltl)에서 시간적으로 연장된 목표를 갖는 계획 문제를 고전적 계획으로 다항 시간 내에 감소시키는 방법을 제시한다. 이를 통해 FastDownward나 MyND와 같은 최신 계획 도구들이 ppltl 목표를 최소한의 오버헤드로 처리할 수 있게 되었으며, 이는 기존의 계획 복잡도를 유지하면서도 표현력 있는 비-마르코프 목표를 지원한다. 이 방법은 부분 추적(trace)에 대해 ppltl 공식을 역방향으로 평가함으로써 비용이 많이 드는 결정성 유한 오토마타(DFA) 구축을 피하고, 고전적 계획의 원래 복잡도를 유지한다.

ABSTRACT

We study temporally extended goals expressed in Pure-Past LTL (PPLTL). PPLTL is particularly interesting for expressing goals since it allows to express sophisticated tasks as in the Formal Methods literature, while the worst-case computational complexity of Planning in both deterministic and nondeterministic domains (FOND) remains the same as for classical reachability goals. However, while the theory of planning for PPLTL goals is well understood, practical tools have not been specifically investigated. In this paper, we make a significant leap forward in the construction of actual tools to handle PPLTL goals. We devise a technique to polynomially translate planning for PPLTL goals into standard planning. We show the formal correctness of the translation, its complexity, and its practical effectiveness through some comparative experiments. As a result, our translation enables state-of-the-art tools, such as FD or MyND, to handle PPLTL goals seamlessly, maintaining the impressive performances they have for classical reachability goals.

연구 동기 및 목표

• 순수 과거 LTL(ppltl)로 표현된 시간적으로 연장된 목표를 위한 실용적 도구의 부족을 해결하기 위해.
• ppltl 공식을 결정성 유한 오토마타(DFA)로 변환하는 데 발생하는 계산적 부담(최악의 경우 지수적 복잡도)을 극복하기 위해.
• 기존 계획 도구의 핵심 아키텍처를 수정하지 않고도 ppltl 목표를 처리할 수 있도록 하기 위해.
• 표준 계획의 최악의 경우 복잡도—결정성 도메인에서는 PSPACE, FOND 도메인에서는 EXPTIME—를 유지하면서도 표현력 있는 비-마르코프 목표를 지원하기 위해.
• ppltl의 역방향 평가 기능이 검색 과정에서 공식의 만족도를 실시간으로 효율적으로 점검할 수 있도록 하기 위해.

제안 방법

• 검색 노드마다 현재 추적의 부분 시퀀스에 대해 ppltl 공식의 핵심 부분 공식들의 만족도를 추적함으로써, 실시간으로 ppltl 공식을 평가한다. 이는 현재 추적 프리픽스에 대해 역방향 추론을 수행한다.
• 고전적 시간 논리의 진행 기법(progression techniques)을 변형하여 역방향으로 적용함으로써, 향후 확장이 아닌 현재까지의 역사에 직접 ppltl 공식을 평가한다.
• ppltl 공식에 대해 전체 DFA를 구축하지 않고도, 역방향 언어의 DFA가 공식이나 그의 교대 유한 오토마타(AFA) 표현으로부터 직접 계산될 수 있음을 활용하여, DFA 구축을 피한다.
• ppltl 공식과 계획 문제의 크기와 비례하는 다항 시간 감소를 보장함으로써, 복잡도가 급격히 증가하지 않도록 한다.
• 고전적 계획과 FOND(비결정적) 계획 모두에 일반화된 프레임워크를 제공하기 위해, ppltl 목표를 각각의 계획 형식에서 도달 목표로 감소시킨다.
• 이 방법은 FastDownward와 MyND를 사용하여 구현 및 평가되었으며, 최신 계획 도구들과 원활한 통합이 가능함을 보였다.

실험 결과

연구 질문

• RQ1 ppltl 목표를 갖는 계획 문제를 고전적 계획 문제로 감소시키는 데 있어 다항 시간 오버헤드만 발생할 수 있으며, 기존 도구의 효율성을 유지할 수 있는가?
• RQ2 부분 추적에 대해 ppltl 공식을 역방향으로 평가함으로써, DFA를 구축하지 않고도 효율적이고 정확한 목표 점검이 가능한가?
• RQ3 동일한 감소 기법이 결정성 도메인과 FOND 도메인 모두에 적용될 수 있으며, 고전적 도달 목표 문제와 동일한 최악의 경우 복잡도를 유지할 수 있는가?
• RQ4 이러한 감소 기법을 통해 표준 계획 도구의 성능은 어떻게 변화하는가?
• RQ5 이 방법이 명시적인 DFA 구축 없이도, 이론적으로 이중 지수적 복잡도를 가지는 DFA 변환에 비해 실용적인 효율성을 달성할 수 있는가?

주요 결과

• 제안된 감소 기법은 ppltl 목표를 다항 시간 내에 고전적 계획 문제로 변환함으로써, FastDownward나 MyND와 같은 성숙하고 고성능의 계획 도구들을 수정 없이 활용할 수 있도록 한다.
• 이 방법은 역방향 언어의 DFA가 단일 지수적 복잡도를 가지므로, 이중 지수적 복잡도의 DFA를 구축하는 것을 피함으로써 ppltl이 ltlf보다 핵심적인 이점이 있음을 입증한다.
• 실험 결과, 실시간 부분 공식 추적 메커니즘이 기여하는 최소한의 오버헤드로 인해 표준 계획 도구의 성능이 ppltl 목표 처리 시에도 효과적으로 유지됨을 확인하였다.
• 표현력이 향상된 ppltl을 사용하더라도, 고전적 계획과 동일한 최악의 경우 복잡도—결정성 도메인에서는 PSPACE, FOND 도메인에서는 EXPTIME—를 유지함을 입증하였다.
• 이 기법은 고전적 계획과 FOND 계획 모두에 대해 강건하며, ppltl의 역방향 평가 기능이 표현력 있는 목표를 유지하면서도 효율적이고 확장 가능한 계획을 가능하게 함을 보여주었다.
• 결과적으로 ppltl은 이론적으로 유리한 점을 넘어서 실제 계획 시스템에 실용적으로 적용 가능하며, 특히 기존 계획 툴체인과 통합될 경우 뛰어난 잠재력을 지닌다.