[论文解读] An Action Language for Multi-Agent Domains: Foundations

Chitta Baral, Gregory Gelfond+2 more|arXiv (Cornell University)|Nov 6, 2015

Logic, Reasoning, and Knowledge参考文献 57被引用 14

一句话总结

本文提出了 m𝒜*，一种用于多智能体领域的高层动作语言，它扩展了单智能体动作语言，以建模世界改变型动作、感知、通信以及动作的动态可观察性。该语言采用基于 Kripke 结构的语义，并通过转移函数来描述状态变化与知识演化，从而支持对多智能体系统中认知规划与信念动态的正式推理。

ABSTRACT

In multi-agent domains (MADs), an agent's action may not just change the world and the agent's knowledge and beliefs about the world, but also may change other agents' knowledge and beliefs about the world and their knowledge and beliefs about other agents' knowledge and beliefs about the world. The goals of an agent in a multi-agent world may involve manipulating the knowledge and beliefs of other agents' and again, not just their knowledge/belief about the world, but also their knowledge about other agents' knowledge about the world. Our goal is to present an action language (mA+) that has the necessary features to address the above aspects in representing and RAC in MADs. mA+ allows the representation of and reasoning about different types of actions that an agent can perform in a domain where many other agents might be present -- such as world-altering actions, sensing actions, and announcement/communication actions. It also allows the specification of agents' dynamic awareness of action occurrences which has future implications on what agents' know about the world and other agents' knowledge about the world. mA+ considers three different types of awareness: full-, partial- awareness, and complete oblivion of an action occurrence and its effects. This keeps the language simple, yet powerful enough to address a large variety of knowledge manipulation scenarios in MADs. The semantics of mA+ relies on the notion of state, which is described by a pointed Kripke model and is used to encode the agent's knowledge and the real state of the world. It is defined by a transition function that maps pairs of actions and states into sets of states. We illustrate properties of the action theories, including properties that guarantee finiteness of the set of initial states and their practical implementability. Finally, we relate mA+ to other related formalisms that contribute to RAC in MADs.

研究动机与目标

• 开发一种能够表示多智能体环境中动作与知识动态的正式动作语言。
• 解决单智能体动作语言在建模动作如何影响世界状态的同时也影响智能体之间相互知识与信念方面的局限性。
• 通过支持对其他智能体知识的指定，实现认知规划。
• 基于带点的 Kripke 模型与 S5 逻辑提供语义基础，以在动态多智能体环境中进行知识与信念推理。
• 在保持表达力与逻辑一致性的前提下，将现有单智能体动作语言（如 𝒜_K）推广至多智能体情境。

提出的方法

• 将 m𝒜* 定义为一种高层动作语言，其语法支持世界改变型动作、感知动作与公告动作。
• 将状态建模为带点的 Kripke 结构，以同时表示真实世界状态与智能体的知识/信念。
• 采用将动作-状态对映射到后继状态集合的转移函数，以捕捉非确定性与知识更新。
• 以更新模型为基础，建模动作发生如何影响智能体的意识与知识。
• 实现 S5 逻辑的蕴含关系以支持知识推理，重点聚焦于确保初始状态集合有限的确定性动作理论。
• 引入可观察性声明，以动态控制哪些智能体能够感知动作及其影响，从而支持灵活的可见性模型。

实验结果

研究问题

• RQ1 如何设计一种动作语言，以同时建模影响世界状态以及智能体之间相互知识与信念的动作？
• RQ2 需要何种语义才能正式表示多智能体系统中知识与意识的动态演化？
• RQ3 该语言如何支持认知规划目标，例如操控其他智能体对事实的认知或其对彼此信念的认知？
• RQ4 m𝒜* 在何种方式下推广了如 𝒜_K 等单智能体动作语言，同时保持逻辑一致性与计算可处理性？
• RQ5 与现有形式化系统（如 GDL-III）相比，m𝒜* 的关键区别是什么，特别是在建模信念与感知、可观察性方面？

主要发现

• m𝒜* 通过引入公告动作与动作的动态可观察性，成功地将单智能体动作语言推广至多智能体领域。
• 该语言通过支持涉及高阶知识（如一个智能体知道另一个智能体知道某一事实）的目标指定，实现了认知规划。
• m𝒜* 中的确定性动作理论具有有限的初始 S5 状态集合，从而支持 S5 逻辑蕴含关系的算法开发，这对规划与诊断至关重要。
• 与 GDL-III 假设感知为真实不同，m𝒜* 允许智能体对世界持有错误信念，凸显了其在建模信念与知识方面的关键差异。
• 当限制为单个智能体且不包含多智能体特有功能时，m𝒜* 的语义与单智能体语言 𝒜_K 在形式上等价。
• 该框架支持建模复杂的认知动态，例如智能体观察彼此的动作并据此更新其知识，即使动作本身并非直接可观测。