[논문 리뷰] Landmark-Based Plan Recognition

Ramon Fraga Pereira, Felipe Meneguzzi|arXiv (Cornell University)|2016. 04. 05.

AI-based Problem Solving and Planning인용 수 7

한 줄 요약

이 논문은 목표를 달성하기 위해 필수적인 사실이나 행동인 계획 랜드마크를 사용하여 불완전한 관찰에서 후보 목표를 필터링하고 순위를 매기는 랜드마크 기반 히우리스틱 접근법을 제안한다. 달성된 랜드마크의 비율을 추정함으로써, 최신 기술 대비 최대 8.75개의 지수 차수 빠른 인식 속도를 기록하며, 평가된 모든 도메인에서 Ramírez와 Geffner(2016)를 능가하는 높은 정확도를 달성한다.

ABSTRACT

Recognition of goals and plans using incomplete evidence from action execution can be done efficiently by using planning techniques. In many applications it is important to recognize goals and plans not only accurately, but also quickly. In this paper, we develop a heuristic approach for recognizing plans based on planning techniques that rely on ordering constraints to filter candidate goals from observations. These ordering constraints are called landmarks in the planning literature, which are facts or actions that cannot be avoided to achieve a goal. We show the applicability of planning landmarks in two settings: first, we use it directly to develop a heuristic-based plan recognition approach; second, we refine an existing planning-based plan recognition approach by pre-filtering its candidate goals. Our empirical evaluation shows that our approach is not only substantially more accurate than the state-of-the-art in all available datasets, it is also an order of magnitude faster.

연구 동기 및 목표

• 불완전한 동작 시퀀스로부터 계획 인식의 정확도와 효율성을 향상시키는 것.
• 목표에 도달하기 위해 필수적인 불가역적 사실이나 행동인 계획 랜드마크를 활용하여 후보 목표의 필터링 메커니즘을 구축하는 것.
• 랜드마크 달성 비율을 기반으로 목표 완료 정도를 추정하는 히우리스틱 기반 계획 인식 시스템을 개발하는 것.
• 기존의 계획 기반 계획 인식 접근법을 랜드마크를 사용한 후보 목표 사전 필터링을 통해 향상시키는 것.
• 표준 벤치마크 데이터셋에서 최신 기술 대비 실험적으로 평가하는 것.

제안 방법

• 표준 계획 기법을 사용하여 도메인 정의에서 계획 랜드마크를 추출한다.
• 필요한 랜드마크가 관찰되지 않은 후보 목표를 제약 조건으로 삼아 필터링한다.
• 필수 랜드마크 수 대비 달성된 랜드마크 비율을 기반으로 목표 완료 비율을 추정하는 히우리스틱을 개발한다.
• 기존의 계획 기반 계획 인식 시스템의 가속화를 위해 랜드마크 필터를 사전 처리 단계로 적용한다.
• 정확도 향상을 위해 필터의 임계값 기반 완화 기법을 구현한다. 이는 약간의 런타임 증가를 감수한다.
• 목표에 도달하는 대안 경로를 제공하는 분리형 랜드마크(Disjunctive landmarks)를 사용하여, 부분 최적 계획 상황에서의 인식 성능을 향상시킨다.

실험 결과

연구 질문

• RQ1 계획 랜드마크가 계획 인식에서 후보 목표 필터링에 효과적으로 활용될 수 있는가? 이는 정확도와 속도 향상에 기여하는가?
• RQ2 Ramírez와 Geffner(2016)의 최신 기술 대비 랜드마크 기반 필터링의 인식 정확도와 런타임에서의 성능 비교는 어떠한가?
• RQ3 분리형 랜드마크는 다수의 계획 변형이 존재하는 도메인에서 정확도와 성능에 어떤 영향을 미치는가?
• RQ4 어떤 도메인에서 랜드마크 필터링이 가장 큰 성능 향상을 가져오며, 언제 오버헤드를 유발하는가?
• RQ5 기존의 계획 기반 계획 인식 프레임워크에 랜드마크 기반 필터링을 사전 처리 단계로 효과적으로 통합할 수 있는가?

주요 결과

• 랜드마크 기반 접근법은 Ramírez와 Geffner(2016)의 최신 기술 대비 최소한 동일한 정확도를 확보하며, 대부분의 도메인에서 뛰어난 성능을 보이며, 일부 도메인에선 거의 완벽한 결과를 달성한다.
• 최신 기술 대비 최대 8.75개의 지수 차수 빠른 속도를 기록하며, 특히 Blocks-World 도메인에서 뛰어난 성능을 보인다.
• Easy-IPC-Grid 도메인에서는 높은 정확도를 유지하며, 가짜 양성 결과 제어 측면에서 베이스라인을 능가한다.
• 분리형 랜드마크는 Kitchen과 같이 계획이 부분 최적인 도메인에서 정확도를 향상시키지만, 상호 배타적인 계획이 존재하는 도메인(예: Easy-IPC-Grid)에선 속도를 감소시킨다.
• 기존 계획 인식 시스템에 사전 처리 단계로 랜드마크 필터를 적용할 경우, 인식 시간을 크게 줄일 수 있다.
• 관찰의 완전성 수준이 다양한 상황에서도 랜드마크 기반 접근법은 높은 성능을 유지하며, 불완전한 동작 시퀀스에서도 뛰어난 성능을 보인다.