[논문 리뷰] Optimized Execution of PDDL Plans using Behavior Trees

Francisco Martí­n, Matteo Morelli외 3명|arXiv (Cornell University)|2021. 01. 06.

AI-based Problem Solving and Planning인용 수 5

한 줄 요약

이 논문은 인과적 의존성을 유지하면서 병행 실행이 가능한 최적화된 행동 트리로 PDDL 계획을 체계적으로 변환하는 새로운 알고리즘을 제안한다. 싱글턴 액션 노드와 웨이트 노드를 도입함으로써 병행성 최적화를 달성하여, 순차적 실행 대비 다중 로봇 환경에서 계획 실행 시간을 크게 단축시키며, 단일 로봇 설정에서는 최대 24.32%의 유휴 시간 감소를 기록하고 평가 전반에 걸쳐 뛰어난 성능을 보인다.

ABSTRACT

Robots need task planning to sequence and execute actions toward achieving their goals. On the other hand, Behavior Trees provide a mathematical model for specifying plan execution in an intrinsically composable, reactive, and robust way. PDDL (Planning Domain Definition Language) has become the standard description language for most planners. In this paper, we present a novel algorithm to systematically create behavior trees from PDDL plans to execute them. This approach uses the execution graph of the plan to generate a behavior tree. The most remarkable contribution of this approach is the algorithm to build a Behavior Tree that optimizes its execution by paralyzing actions, applicable to any plan, taking into account the actions' causal relationships. We demonstrate the improvement in the execution of plans in mobile robots using the ROS2 Planning System framework.

연구 동기 및 목표

• 실제 로봇 응용 분야에서 뚜렷한 스케줄링 제약으로 인해 액션이 자주 비활성화되는 순차적 계획 실행의 비효율성을 해결하기 위해.
• 기호적 AI 계획(PDDL)과 로봇에서의 반응적·병행 실행 간 격차를 메우기 위해 계획을 실행 가능한 행동 트리로 체계적으로 변환할 수 있도록 하기 위해.
• 일반적인 목적의 알고리즘을 개발하여 PDDL 계획으로부터 병행성과 인과 일관성을 지원하는 최적화된 행동 트리를 자동 생성하기 위해.
• 사전조건과 인과 관계를 존중하면서도 병행 액션 실행을 허용함으로써 다중 로봇 시스템의 실행 효율성을 향상시키기 위해.
• 실제 구현 및 평가를 위해 ROS2 플래닝 시스템(PlanSys2)에 통합하기 위해.

제안 방법

• 액션 간 의존성과 인과 관계를 모델링하기 위해 PDDL 계획에서 계획 그래프를 구축한다.
• 재귀적 트리 구축을 통해 계획 그래프에서 행동 트리를 생성하며, 액션과 그 의존성을 인코딩한다.
• 모든 병행 액션이 완료될 때까지 실행을 차단하는 '웨이트 노드'라는 새로운 유형의 노드를 도입한다.
• 동일한 액션을 중복 없이 여러 브랜치에서 트리거할 수 있도록 '싱글턴 액션 노드'를 구현한다.
• 인과 순서를 유지하면서도 액션 간 병행성을 극대화하는 체계적인 변환 프로세스를 적용한다.
• 최종으로 생성된 행동 트리를 PlanSys2 실행자와 통합하여 다중 로봇 환경에서 실시간, 반응형 실행을 가능하게 한다.

실험 결과

연구 질문

• RQ1 어떻게 하면 인과 제약 조건을 준수하면서 최적의 병행 실행을 지원하는 행동 트리로 PDDL 계획을 체계적으로 변환할 수 있는가?
• RQ2 사전조건이나 인과 의존성을 위반하지 않으면서도 행동 트리에서 액션의 병행 실행을 가능하게 하기 위해 어떤 메커니즘이 필요한가?
• RQ3 제안된 알고리즘이 순차적 계획 실행에 비해 유휴 시간을 얼마나 줄이고 실행 효율을 향상시키는가?
• RQ4 이 알고리즘이 복잡도나 구조에 관계없이 어떤 PDDL 계획에도 일반화될 수 있는가?
• RQ5 다중 로봇 환경에서 행동 트리 기반 실행자와 표준 계획 기반 실행 간의 성능 비교는 어떻게 되는가?

주요 결과

• 제안된 알고리즘은 단일 로봇 실행에서 유휴 시간을 약 24.32%로 줄여 순차적 실행 대비 자원 활용도를 크게 향상시켰다.
• 행동 트리 기반 실행자는 모든 로봇 구성에서 가장 짧은 실행 시간을 기록했으며, 순차적 및 계획 기반 실행 전략을 모두 압도했다.
• 세 대의 로봇을 사용할 경우, 행동 트리 접근 방식은 순차적 실행 대비 총 계획 실행 시간을 최대 30% 감소시켜 뛰어난 확장성을 입증했다.
• 행동 트리는 병행 실행을 허용하면서도 인과 일관성을 유지하여, 액션이 계획보다 일찍 완료되더라도 정확성을 보장한다.
• PlanSys2에의 통합은 실시간 다중 로봇 협업을 가능하게 했으며, 실제 경연 대회(SciRoc)에서 검증되어 실용적 타당성을 확인했다.