[논문 리뷰] Planning with Incomplete Information

Antonis Kakas, Rob Miller외 1명|ArXiv.org|2000. 03. 09.

Logic, Reasoning, and Knowledge참고 문헌 14인용 수 4

한 줄 요약

이 논문은 불완전한 정보 하에서 안전한 계획을 생성하기 위해 추론과 논거 기반으로 약한 계획을 확장하는 ${\cal E}$-Planner를 제안한다. 이는 초기 상태 지식이 완전하지 않더라도 모든 가능한 초기 상태에서 계획의 강건성을 보장하며, 비단조화적 추론과 계획 검증을 위한 언어 ${\cal E}$의 재구성된 증명 이론을 활용한다.

ABSTRACT

Planning is a natural domain of application for frameworks of reasoning about actions and change. In this paper we study how one such framework, the Language E, can form the basis for planning under (possibly) incomplete information. We define two types of plans: weak and safe plans, and propose a planner, called the E-Planner, which is often able to extend an initial weak plan into a safe plan even though the (explicit) information available is incomplete, e.g. for cases where the initial state is not completely known. The E-Planner is based upon a reformulation of the Language E in argumentation terms and a natural proof theory resulting from the reformulation. It uses an extension of this proof theory by means of abduction for the generation of plans and adopts argumentation-based techniques for extending weak plans into safe plans. We provide representative examples illustrating the behaviour of the E-Planner, in particular for cases where the status of fluents is incompletely known.

연구 동기 및 목표

• 초기 상태가 완전히 알려져 있지 않은 경우, 특히 불완전한 정보 하에서의 계획 수립 문제를 해결하기 위해.
• 유연성과 동작에 대한 불확실성에 강건한 계획을 생성할 수 있는 계획기의 개발을 위해.
• 모든 알려지지 않은 초기 조건에 대해 목표를 달성할 수 있도록 보장하는 안전한 계획을 생성하면서도, 전체 상태 열거를 필요로 하지 않기 위해.
• 추측과 논거 기반 추론을 통합된 프레임워크로 통합하여 계획 생성 및 검증을 수행하기 위해.
• 동적 약한 계획 확장을 통해 목표 중심적이고 효율적인 공통 계획을 위한 접근법을 제공하기 위해.

제안 방법

• 비단조화적 추론을 가능하게 하기 위해 언어 ${\cal E}$를 논거 기반 프레임워크로 재구성한다.
• 논거 기반 증명 이론을 사용하여 가능한 상태와 동작를 표현하고 추론한다.
• 불완전한 정보의 한 가지 해석을 바탕으로 조건부 계획으로서의 약한 계획을 생성한다.
• 약한 계획을 검증할 수 있도록, 만약 참이라면 계획의 타당성을 보장하는 가정을 추측을 통해 생성한다.
• 모든 허용 가능한 확장에서 목표가 유지됨을 검증함으로써 논거 기반 추론을 사용해 약한 계획을 안전한 계획으로 확장한다.
• 누락된 정보의 모든 가능한 해석 하에서 목표가 여전히 유도 가능한지 테스트함으로써 계획을 동적으로 확장한다.

실험 결과

연구 질문

• RQ1 초기 상태가 부분적으로만 알려져 있을 때 계획기가 어떻게 강건한 계획을 생성할 수 있는가?
• RQ2 어떤 메커니즘이 누락된 정보의 모든 가능한 해석 하에서 계획이 안전한지 확인하는가?
• RQ3 어떻게 추측과 논거 기반 추론을 결합하여 약한 계획을 안전한 계획으로 확장할 수 있는가?
• RQ4 ${\cal E}$-Planner는 불완전한 정보를 다루는 데 있어 전통적인 정리증명 기반 접근법과 어떤 점에서 다를 수 있는가?
• RQ5 논거 기반 추론은 전체 모델 열거 없이도 효율적이고 목표 중심적인 불확실성 하의 계획을 지원할 수 있는가?

주요 결과

• ${\cal E}$-Planner는 초기 상태의 유연성과 동작에 대한 정보가 알려지지 않은 상황에서도 약한 계획을 안전한 계획으로 성공적으로 확장하며, 모든 가능한 해석 하에서 목표 달성을 보장한다.
• 계획기가 목표를 위반할 수 있는 허용 가능한 확장이 존재하지 않음을 논거 기반 추론을 통해 검증함으로써 계획의 안전성을 보장한다.
• 추측을 통해 생성된 가정들은 만약 함의된다면 계획의 타당성을 보장하며, 이러한 가정들은 계획 생성 및 확장 과정에 통합된다.
• 모든 세계 분석을 수행하는 것과 비교해 계산 오버헤드를 줄이기 위해 모델 열거를 명시적으로 피하고 논거 프레임워크를 기반으로 추론한다.
• 관측은 초기 상태뿐만 아니라 어떤 시점에서도 가능하므로, 불완전한 데이터로부터 간접적 추론을 가능하게 한다.
• 이 방법은 일반적이고 확장 가능하며, 향후 비결정적 동작, 감지, 제약 기반 최적화 등에 대한 확장도 지원한다.