[论文解读] 2Planning for Contingencies: A Decision-based Approach

L. Pryor, Gregg Collins|arXiv (Cornell University)|May 1, 1996

Logic, Reasoning, and Knowledge参考文献 2被引用 5

一句话总结

本文提出了Cassandra，一种基于部分顺序的应急规划方法，通过在计划中显式建模决策步骤来解决人工智能规划中的不确定性问题。通过将决策视为一等公民组件，并触发获取必要知识的子目标，该方法能够构建出依赖于运行时条件的连贯应急计划，为整合多种决策程序提供了灵活的基础。

ABSTRACT

A fundamental assumption made by classical AI planners is that there is no uncertainty in the world: the planner has full knowledge of the conditions under which the plan will be executed and the outcome of every action is fully predictable. These planners cannot therefore construct contingency plans, i.e., plans in which different actions are performed in different circumstances. In this paper we discuss some issues that arise in the representation and construction of contingency plans and describe Cassandra, a partial-order contingency planner. Cassandra uses explicit decision-steps that enable the agent executing the plan to decide which plan branch to follow. The decision-steps in a plan result in subgoals to acquire knowledge, which are planned for in the same way as any other subgoals. Cassandra thus distinguishes the process of gathering information from the process of making decisions. The explicit representation of decisions in Cassandra allows a coherent approach to the problems of contingent planning, and provides a solid base for extensions such as the use of different decision-making procedures.

研究动机与目标

• 解决经典AI规划器假设具备完全世界知识和确定性结果的局限性。
• 实现基于不确定条件而变化的动作的应急计划构建。
• 在规划过程中将信息获取过程与决策过程分离。
• 为在规划系统中整合不同决策程序提供一个正式且可扩展的框架。

提出的方法

• Cassandra通过在部分顺序计划中嵌入显式的决策步骤来表示应急规划。
• 每个决策步骤都会生成子目标，以获取做出该决策所需的知识。
• 知识获取子目标在规划过程中与其它子目标同等对待。
• 规划器使用部分顺序结构以保持动作排序的灵活性，同时确保依赖关系得到尊重。
• 当收集到足够信息时，决策步骤被触发，从而实现在运行时选择计划分支。
• 通过将决策逻辑与规划逻辑解耦，该方法支持整合各种决策程序。

实验结果

研究问题

• RQ1 当结果不确定时，如何系统地表示和构建应急计划？
• RQ2 知识获取在规划执行过程中实现有效决策中扮演什么角色？
• RQ3 如何以支持模块化和可扩展性的方式将决策与动作执行分离？
• RQ4 何种正式结构能够支持在单一规划框架内整合多种决策程序？

主要发现

• Cassandra通过显式建模决策作为需要知识获取的计划组件，成功构建了应急计划。
• 将知识获取与决策过程分离，实现了处理不确定性的连贯且模块化的方法。
• 使用部分顺序规划允许执行过程具有灵活性，同时保持必要的依赖关系。
• 该框架支持整合不同决策程序，增强了适应能力。
• 该方法为扩展规划系统以处理现实世界中的不确定性提供了坚实基础。
• 论文中的实证评估表明，该框架在不确定条件下生成和执行应急计划方面具有有效性。