[論文レビュー] Synthesizing Robust Plans under Incomplete Domain Models

Tuan Anh Nguyen, Subbarao Kambhampati+1 more|arXiv (Cornell University)|Apr 27, 2011

AI-based Problem Solving and Planning参考文献 27被引用数 22

ひとこと要約

本稿では、ドメイン専門家がアノテーションを付与した可能性のある事前条件および効果を用いて計画のロバスト性を形式化することで、不完全なドメインモデル下でもロバストな計画を生成する手法を提案する。Probabilistic-FF を用いてロバスト計画問題を適合確率計画問題にコンパイルし、ドメインモデルが部分的に指定されている場合でも、保証された成功確率を有する計画の合成が可能であることを示している。

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.

研究の動機と目的

• ドメインモデルの複雑さのため、完全なドメインモデルを取得することが実用的または不可能な分野における計画合成の課題に対処すること。
• ドメイン専門家が潜在的な欠落している事前条件および効果をアノテーションできる不完全なドメインモデル下での計画のロバスト性を形式化すること。
• 不完全なモデル下でのロバスト計画問題を、適合確率計画問題に変換するコンパイル技術を開発すること。
• 不完全なドメインモデルのすべての可能な完全なインスタンスにおいて、高い確率で成功する計画を生成できるようにすること。
• ベンチマークドメイン上で実験的にアプローチを評価し、不完全性およびロバスト性要件の異なるレベルにおけるスケーラビリティと有効性を評価すること。

提案手法

• 各行動に、可能性のある事前条件、可能性のある追加効果、可能性のある削除効果をアノテーションとして導入し、それぞれがその可能性の程度を表す重みと関連付ける。
• 不完全なドメインモデルを、各可能性のある条件の組み合わせが別個の完全なモデルを形成する、完全なモデルの集合として形式化する。
• 計画のロバスト性を、計画が成功する完全なモデルの累積確率質量として定義する。
• 可能性のある条件を、与えられた重みを持つ確率的効果としてエンコードすることで、ロバスト計画問題を適合確率計画問題にコンパイルする。
• 最先端の適合計画法である Probabilistic-FF を活用し、コンパイルされた問題を解いて、保証されたロバスト性レベルを持つ計画を生成する。
• 探索中に成功するモデルの確率質量を推定するために、重み付きモデルカウンティングおよび充足可能性テストを計画法内で利用する。

実験結果

リサーチクエスチョン

• RQ1 不完全なドメインモデルに可能性のある事前条件および効果が存在する文脈において、計画のロバスト性を形式的に定義する方法は何か？
• RQ2 既存の適合確率計画法を、コンパイルによって不完全なドメインモデル下でもロバストな計画を合成するためにどの程度活用できるか？
• RQ3 可能性のある条件の数が増加するに従って、ロバスト計画を確率計画にコンパイルする際のスケーラビリティ上の限界は何か？
• RQ4 実世界のシナリオにおいて、異なるメーカー（または素材タイプ）の数が、合成された計画のロバスト性および長さに与える影響は何か？
• RQ5 どのような種類のドメインで、このコンパイル手法が効果的かつ効率的なロバスト計画を生成できるか。また、ランダムまたはスパarsなアノテーションによって生じる限界は何か？

主な発見

• コンパイル手法は、不完全なドメインモデル下でも、希望のロバスト性レベル（例：ρ = 0.6）を達成する計画を、物流（Logistics）や衛星（Satellite）といったドメインで成功裏に生成した。
• 物流ドメインでは、5つの異なるメーカーのロボットを使用することで、コンテナの積載成功確率が 1 - 0.7^5 ≈ 0.997 にまで上昇するが、ρ = 0.4 の場合に3つで十分な場合でも、計画法が余分なロボット（5体）を用いることがある。
• ロバスト性要件が高くなると計画長が増加する：衛星ドメインでは、m = 3 の場合、ρ = 0.6 の計画は53のアクションを要するが、ρ = 0.5 の場合は37のアクションで十分である。
• 不完全性が高いほど探索時間が著しく増加する：m = 5 の場合、ρ = 0.6 の37アクション計画を生成するのに216.7秒を要したが、m = 4 の場合は94.1秒であった。
• m = 5 かつ ρ = 0.7 の場合、時間制限内に計画が見つからなかったが、解空間内にはロバスト性 0.7075 の解が存在していたことから、スケーラビリティのボトルネックが確認された。
• ランダムに不完全性が導入されたドメイン（例：Depots, ZenoTravel）では、アノテーションが疎だったり構造的でなかったりするため、計画法がロバスト性を向上させにくく、コンパイル手法の有効性が低下した。