[논문 리뷰] Synthesizing Robust Plans under Incomplete Domain Models

Tuan Anh Nguyen, Subbarao Kambhampati외 1명|arXiv (Cornell University)|2011. 04. 27.

AI-based Problem Solving and Planning참고 문헌 27인용 수 22

한 줄 요약

이 논문은 도메인 전문가가 애너테이션을 통해 가능한 전제 조건과 영향을 기반으로 계획의 강건성을 형식화하여, 완전하지 않은 도메인 모델 하에서 강건한 계획을 생성하는 방법을 제안한다. Probabilistic-FF를 사용하여 강건한 계획 문제를 확률적 계획 문제로 컴파일함으로써, 도메인 모델이 부분적으로만 지정되어 있어도 보장된 성공 확률을 갖는 계획을 합성할 수 있음을 보여준다.

ABSTRACT

Most current planners assume complete domain models and focus on generating correct plans. Unfortunately, domain modeling is a laborious and error-prone task. While domain experts cannot guarantee completeness, often they are able to circumscribe the incompleteness of the model by providing annotations as to which parts of the domain model may be incomplete. In such cases, the goal should be to generate plans that are robust with respect to any known incompleteness of the domain. In this paper, we first introduce annotations expressing the knowledge of the domain incompleteness, and formalize the notion of plan robustness with respect to an incomplete domain model. We then propose an approach to compiling the problem of finding robust plans to the conformant probabilistic planning problem. We present experimental results with Probabilistic-FF, a state-of-the-art planner, showing the promise of our approach.

연구 동기 및 목표

• 모델링 복잡성으로 인해 완전한 도메인 모델을 확보하기 어려운 도메인에서 계획 합성의 과제를 해결하기 위해.
• 도메인 전문가가 잠재적인 누락된 전제 조건과 영향을 애너테이션으로 제공할 수 있는 완전하지 않은 도메인 모델에 대해 계획의 강건성을 형식화하기 위해.
• 완전하지 않은 모델 하에서 강건한 계획 문제를 완전한 확률적 계획 문제로 변환하는 컴파일 기법을 개발하기 위해.
• 완전하지 않은 도메인 모델의 모든 가능한 완전한 인스턴스에서 높은 확률로 성공하는 계획을 생성할 수 있도록 플래너를 가능하게 하기 위해.
• 기본 도메인에서의 접근법을 평가하여, 다양한 수준의 불완전성과 강건성 요구 조건 하에서의 확장성과 효율성을 평가하기 위해.

제안 방법

• 각각의 무게가 도메인 모델러의 가능성에 대한 믿음 정도를 나타내는 가능한 전제 조건, 가능한 추가 효과, 가능한 삭제 효과를 액션에 도입한다.
• 가능한 조건들의 조합이 각각 다른 완전한 모델이 되는 방식으로, 완전하지 않은 도메인 모델을 가능한 완전한 모델의 집합으로 형식화한다.
• 계획의 강건성을, 계획이 성공하는 완전한 모델들에 대한 누적 확률 질량으로 정의한다.
• 주어진 무게를 갖는 확률적 영향으로 가능한 조건들을 인코딩하여, 강건한 계획 문제를 완전한 확률적 계획 문제로 컴파일한다.
• 최신 완전한 확률적 계획기인 Probabilistic-FF를 활용하여 컴파일된 문제를 해결하고, 보장된 강건성 수준을 갖는 계획을 생성한다.
• 검색 과정에서 성공한 모델의 확률 질량을 추정하기 위해 가중치 기반 모델 카운팅과 만족 가능성 테스트를 플래너 내부에서 활용한다.

실험 결과

연구 질문

• RQ1 완전하지 않은 도메인 모델과 가능한 전제 조건 및 영향을 고려할 때, 계획의 강건성은 어떻게 형식화할 수 있는가?
• RQ2 기존의 완전한 확률적 계획기들이 컴파일을 통해 완전하지 않은 도메인 모델 하에서 강건한 계획을 합성하는 데 얼마나 효과적으로 활용될 수 있는가?
• RQ3 가능한 조건의 수가 증가함에 따라, 강건한 계획을 확률적 계획으로 컴파일할 때의 확장성 제한은 어느 정도인가?
• RQ4 실제 시나리오에서 가능한 제조업체 수(또는 재료 유형 수)가 증가할수록, 합성된 계획의 강건성과 길이는 어떻게 영향을 받는가?
• RQ5 어떤 종류의 도메인에서 컴파일 방법이 효과적이고 효율적인 강건한 계획을 도출할 수 있으며, 무작위 또는 흐린 애너테이션으로 인해 발생하는 제한은 어디에 존재하는가?

주요 결과

• 컴파일 방법은 도메인 모델이 불완전하더라도, Logistics 및 Satellite 도메인에서 원하는 강건성 수준(예: ρ = 0.6)을 갖는 계획을 성공적으로 생성한다.
• Logistics 도메인에서 5개의 다른 제조사의 로봇을 사용할 경우, 컨테이너 적재 성공 확률은 1 - 0.7^5 ≈ 0.997로 증가하지만, ρ = 0.4일 때는 3대 대신 5대를 사용하는 등 필요 이상의 로봇을 사용하는 경우가 있다.
• 강건성 요구 수준이 높아질수록 계획 길이가 증가한다: Satellite 도메인에서 m = 3일 때 ρ = 0.6인 계획은 53개의 액션을 필요로 하며, ρ = 0.5일 때는 37개의 액션이다.
• 불완전성이 높아질수록 검색 시간이 크게 증가한다: m = 5일 때 ρ = 0.6인 37개 액션 계획을 생성하는 데 216.7초가 소요되었고, m = 4일 때는 94.1초였다.
• m = 5 및 ρ = 0.7일 경우, 시간 제한 내에 계획을 찾지 못했지만, 솔루션 공간에는 강건성 0.7075를 갖는 해가 존재함을 확인하여 확장성의 한계를 보여준다.
• 무작위로 도입된 불완전성이 있는 도메인(예: Depots, ZenoTravel)에서는 애너테이션이 흐리거나 흐트러져 있어 플래너가 강건성을 높이기 어려워져 컴파일 방법의 효율성이 떨어진다.