[논문 리뷰] STRIPStream: Integrating Symbolic Planners and Blackbox Samplers

Caelan Reed Garrett, Tomás Lozano‐Pérez외 1명|arXiv (Cornell University)|2018. 01. 01.

AI-based Problem Solving and Planning인용 수 11

한 줄 요약

STRIPStream는 연속적이고 고차원적인 제약 조건(예: 로봇 운동 계획에서의 것들)을 갖는 도메인에 대해 기존의 기호적 계획 도구와 블랙박스 샘플러를 원천적으로 통합할 수 있도록 STRIPS 계획 언어를 확장한다. 이는 복잡한 문제를 유한 도메인 계획 문제의 시퀀스로 환원함으로써 가능하게 한다. 이 프레임워크는 비용 민감성 계획을 지원하며, 세 가지 로봇 작업 및 운동 계획 도메인에서 효과를 입증한다.

ABSTRACT

Many planning applications involve complex relationships defined on high-dimensional, continuous variables. For example, robotic manipulation requires planning with kinematic, collision, and motion constraints involving robot configurations, object transforms, and robot trajectories. These constraints typically require specialized procedures to sample satisfying values. We extend the STRIPS planning language to support a generic, declarative specification for these procedures while treating their implementation as blackboxes. We provide several domain-independent algorithms that reduce STRIPStream problems to a sequence of finite-domain STRIPS planning problems. Additionally, we describe cost-sensitive planning within this framework. Finally, we evaluate our algorithms on three robotic task and motion planning domains.

연구 동기 및 목표

• 로봇 분야에서 복잡하고 고차원적인 연속적 제약 조건(예: 운동역학 및 충돌 회피)을 다루는 데 도전하는 것.
• 도메인 특화 샘플링 절차(블랙박스로 간주됨)를 기호적 계획 프레임워크에 원활하게 통합할 수 있도록 하는 것.
• 연속적이고 고차원적인 계획 문제를 해석 가능한 유한 도메인 STRIPS 문제의 시퀀스로 환원하여 해결 가능하게 하는 것.
• 더 나은 효율성과 최적성 확보를 위해 이 통합 프레임워크 내에서 비용 민감성 계획을 지원하는 것.
• 실제 로봇 작업 및 운동 계획 도메인에서 이 프레임워크를 평가하여 확장성과 효과성을 입증하는 것.

제안 방법

• 연속 변수 위의 블랙박스 샘플링 절차를 기술하기 위한 선언적이고 일반적인 인터페이스를 STRIPS 언어에 추가한다.
• 문제를 반복적으로 개선함으로써 연속 변수를 정밀화하는 도메인 독립적 알고리즘을 도입하며, 전체 문제를 유한 도메인 STRIPS 계획 문제의 시리즈로 환원한다.
• 연속적 제약 조건을 분리하고 외부 샘플러를 통해 처리하면서도 기호적 계획 구조를 유지하는 분해 전략을 적용한다.
• 유한 도메인 계획 단계에 비용 함수를 통합하고 반복 과정 동안 비용 정보를 전파함으로써 비용 민감성 계획을 지원한다.
• 기호적 계획 진행 상황에 기반해 연속 변수를 점진적으로 제약함으로써 타당한 해에 수렴하는 반복적 정밀화를 활용한다.
• 기존의 기호적 계획 도구를 유한 도메인 부분 문제에 활용하면서 복잡한 샘플링 작업은 전문화된 도메인 특화 절차에 위임한다.

실험 결과

연구 질문

• RQ1 블랙박스 샘플러에 대한 선언적 인터페이스를 통해 기호적 계획이 연속적이고 고차원적인 제약 조건을 효과적으로 확장할 수 있는가?
• RQ2 연속 변수를 포함하는 복잡한 계획 문제는 어떻게 유한 도메인 STRIPS 문제의 시퀀스로 환원될 수 있는가?
• RQ3 이 프레임워크는 연속 도메인에서 비용 민감성 계획을 어느 정도 지원하는가?
• RQ4 블랙박스 샘플러의 통합은 로봇 작업 및 운동 계획에서 확장성과 해의 품질을 어떻게 향상시키는가?
• RQ5 STRIPStream은 다양한 실제 로봇 계획 도메인에서 경험적으로 어떤 성능을 보이는가?

주요 결과

• 이 프레임워크는 복잡하고 연속적인 계획 문제를 해석 가능한 유한 도메인 STRIPS 문제의 시퀀스로 환원하여 기존 기호적 계획 도구의 활용을 가능하게 한다.
• STRIPStream는 반복적 정밀화 과정에 비용 함수를 통합함으로써 비용 민감성 계획을 지원하여 해의 최적성 향상을 이룬다.
• 블랙박스 샘플러의 통합은 로봇 분야에서 운동역학 및 충돌 회피와 같은 복잡한 제약 조건을 효율적으로 처리할 수 있도록 한다.
• 세 가지 로봇 작업 및 운동 계획 도메인에서의 평가를 통해 이 프레임워크의 확장성과 효과성이 확인되었다.
• 샘플링 복잡성과 기호적 추론을 분리함으로써 실용적인 타당성과 성능 향상을 입증하였다.
• 이 방법은 연속 변수를 포함한 종단 간 계획을 유지하면서도 기호적 계획의 표현력과 효율성을 그대로 유지한다.