[论文解读] Sound Abstraction of Probabilistic Actions in The Constraint Mass Assignment Framework

AnHai Doan, Peter Haddawy|arXiv (Cornell University)|Feb 13, 2013

Bayesian Modeling and Causal Inference参考文献 11被引用 7

一句话总结

本文提出了一种基于约束质量分配（CMA）表示的稳健抽象框架，用于概率性动作，该框架通过允许多个概率分布，对传统概率模型进行了泛化。该框架通过确保抽象过程保留概率边界，实现了对三种类型动作——聚合、细化和替换——的稳健抽象，并在有限时域规划场景中提供了正确性与误差边界的正式保证。

ABSTRACT

This paper provides a formal and practical framework for sound abstraction of probabilistic actions. We start by precisely defining the concept of sound abstraction within the context of finite-horizon planning (where each plan is a finite sequence of actions). Next we show that such abstraction cannot be performed within the traditional probabilistic action representation, which models a world with a single probability distribution over the state space. We then present the constraint mass assignment representation, which models the world with a set of probability distributions and is a generalization of mass assignment representations. Within this framework, we present sound abstraction procedures for three types of action abstraction. We end the paper with discussions and related work on sound and approximate abstraction. We give pointers to papers in which we discuss other sound abstraction-related issues, including applications, estimating loss due to abstraction, and automatically generating abstraction hierarchies.

研究动机与目标

• 解决传统概率动作模型在支持有限时域规划中稳健抽象方面的局限性。
• 在不确定性概率规划背景下，形式化定义稳健抽象的概念。
• 开发质量分配模型的泛化形式——约束质量分配（CMA）——支持多个概率分布，并实现严谨的抽象。
• 在CMA框架内提出并验证三种具体的抽象过程（聚合、细化、替换）。
• 为抽象的正确性提供理论保证，并量化抽象带来的损失，以支持在人工智能规划系统中的实际部署。

提出的方法

• 引入约束质量分配（CMA）框架，作为质量分配模型的泛化形式，将世界表示为一组概率分布，而非单一分布。
• 将稳健抽象定义为在CMA表示中所有可能的概率分布下，保持动作结果边界的性质。
• 开发三种类型的抽象过程：动作聚合（合并动作）、细化（拆分动作）和替换（用更高级别的抽象替换动作）。
• 使用基于区间的推理方法，计算抽象后状态转移概率的保守边界，确保规划过程中不出现过度乐观的估计。
• 应用线性规划技术，计算在抽象动作序列下达到目标状态的概率的紧致边界。
• 通过测量原始与抽象动作结果在分布集合上的差异，实现误差估计，支持损失感知的抽象。

实验结果

研究问题

• RQ1 是否可以在有限时域规划框架内，形式化定义并实现概率动作的稳健抽象？
• RQ2 为何传统概率动作模型无法支持稳健抽象？其结构性限制是什么？
• RQ3 像约束质量分配（CMA）这样的泛化表示，如何在标准模型失效时实现稳健抽象？
• RQ4 在CMA框架中，可被稳健应用的三种核心动作抽象类型（聚合、细化、替换）是什么？
• RQ5 如何在CMA模型中定量估计并界定抽象带来的损失？

主要发现

• 依赖单一概率分布的传统概率动作模型，由于缺乏在多种场景下表达不确定性的能力，无法支持稳健抽象。
• CMA框架通过将世界表示为一组概率分布，实现了稳健抽象，支持对状态转移的保守区间推理。
• 本文形式化证明了所提出的抽象过程——聚合、细化和替换——在CMA模型下均能保持概率边界。
• 该框架通过基于区间的误差边界，支持对抽象损失的量化，从而实现抽象精度与计算效率之间的知情权衡。
• 该方法为抽象计划的正确性提供了理论保证，确保在抽象下达到目标状态的概率被真实原始模型的概率所界定。
• 该方法适用于现实世界的规划问题，并支持抽象层次结构的自动生成，如相关工作所讨论。