[논문 리뷰] Regression with respect to sensing actions and partial states

Le-Chi Tuan, Chitta Baral외 1명|ArXiv.org|2004. 05. 21.

AI-based Problem Solving and Planning참고 문헌 24인용 수 7

한 줄 요약

이 논문은 0-근사 의미론을 통해 3가지 값 상태를 사용하여 부분 관측 환경에서의 계획을 위한 상태 기반 회귀 함수를 제안한다. 이는 감지 동작을 포함한 타당하고 완전한 계획을 가능하게 한다. 연구는 회귀 기반 계획법이 진행 기반 해법과 동치인 계획을 정확히 찾을 수 있음을 증명하며, 히وري스틱 기반 기법 없이도 뛰어난 성능을 보이는 조건부 계획기를 평가한다.

ABSTRACT

In this paper, we present a state-based regression function for planning domains where an agent does not have complete information and may have sensing actions. We consider binary domains and employ the 0-approximation [Son & Baral 2001] to define the regression function. In binary domains, the use of 0-approximation means using 3-valued states. Although planning using this approach is incomplete with respect to the full semantics, we adopt it to have a lower complexity. We prove the soundness and completeness of our regression formulation with respect to the definition of progression. More specifically, we show that (i) a plan obtained through regression for a planning problem is indeed a progression solution of that planning problem, and that (ii) for each plan found through progression, using regression one obtains that plan or an equivalent one. We then develop a conditional planner that utilizes our regression function. We prove the soundness and completeness of our planning algorithm and present experimental results with respect to several well known planning problems in the literature.

연구 동기 및 목표

• 부분 정보와 감지 동작이 있는 도메인을 위한 회귀 기반 계획 프레임워크를 개발한다.
• 3가지 값 상태를 사용하여 이진 도메인에서 0-근사 의미론을 정식화함으로써 복잡도를 감소시킨다.
• 진행 의미론에 비해 회귀 공식의 타당성과 완전성을 증명한다.
• 회귀 함수를 기반으로 한 조건부 계획기를 설계하고 평가하여 정확성과 효율성을 입증한다.
• 히وري스틱 기반 기법에 의존하지 않고도 진행 기반 해법과 동치인 계획을 찾을 수 있음을 보여준다.

제안 방법

• 부분 관측을 3가지 값 상태를 통해 모델링하기 위해 0-근사 의미론을 사용하여 전체 신념 상태에 비해 복잡도를 감소시킨다.
• 행동와 감지 동작을 거쳐 목표를 뒤로 되돌리는 상태 기반 회귀 함수를 정의하며, 진행과 일관성을 유지한다.
• 조건부 계획의 정규화 과정을 도입하여 회귀에서의 잘 정의된 상태와 처리 가능성 보장.
• 비감지 동작 시퀀스와 감지 기반 조건부 계획을 처리하는 재귀적 회귀 함수 Regress*를 활용한다.
• 점진적으로 계획-상태 쌍을 구성하고 유한한 상태 공간 덕분에 정지 보장하는 조건부 계획기 Solve(P)를 개발한다.
• 회귀 가능한 계획을 추적하기 위해 계획-상태 쌍의 집합 N을 사용하며, 계획의 구조에 대한 귀납적 증명을 통해 정확성을 확보한다.

실험 결과

연구 질문

• RQ1 감지 동작과 부분 관측이 있는 환경에서 회귀 기반 계획법이 타당하고 완전한가?
• RQ2 0-근사 의미론을 통한 3가지 값 상태 사용이 부분 관측 도메인에서의 회귀의 완전성과 복잡도에 어떤 영향을 미치는가?
• RQ3 제안된 회귀 함수가 감지 동작이 존재하는 상황에서 진행 기반 해법과 동치성을 유지하는가?
• RQ4 히وري스틱 검색 기법에 의존하지 않고도 회귀 기반 계획법이 우수한 성능을 낼 수 있는가?
• RQ5 조건부 계획이 감지 동작과 다수의 가능한 결과를 포함하는 상황에서도 회귀 공식이 충분히 강건한가?

주요 결과

• 제안된 회귀 함수는 진행 기반 해법과 타당하고 완전하다: 회귀를 통해 찾은 모든 계획은 유효한 해이며, 모든 진행 기반 해법은 동치의 회귀 해법을 가진다.
• Solve(P)는 3가지 값 상태의 수가 유한하므로 항상 정지 보장되며, 이는 계산의 타당성을 보장한다.
• 만약 계획 문제에 회귀 해법이 존재한다면, Solve(P)는 원래 해법이 도달하는 동일한 목표 상태로 회귀하는 조건부 계획을 반환한다.
• 해법이 존재하지 않는 경우, Solve(P)는 정확히 'NO SOLUTION'을 반환하며, 이는 해법이 없는 경우에도 완전성을 입증한다.
• 히وري스틱 기법을 사용하지 않고도 벤치마크 문제에서 뛰어난 성능을 기록하여, 회귀 접근법의 효과성을 입증한다.
• 0-근사 의미론을 통한 3가지 값 상태 사용은 복잡도 감소의 이점 덕분에 효율적인 계획을 가능하게 하며, 일부 계획을 놓칠 수는 있지만 이는 복잡도 감소에 대한 정당한 대가로 간주된다.