[论文解读] A Dynamic Epistemic Framework for Conformant Planning

Quan Yu, Yanjun Li+1 more|Jun 24, 2016

Logic, Reasoning, and Knowledge参考文献 32被引用 9

一句话总结

本文提出了一种轻量级的动态知识逻辑框架 EPDL，用于在初始不确定性下的合致规划。该框架将计划验证与合致规划问题转化为模型检测问题，证明了无星号片段的模型检测为 PSPACE 完全，并通过非标准语义为完整语言和无迭代语言提供了新颖的算法。

ABSTRACT

In this paper, we introduce a lightweight dynamic epistemic logical framework for automated planning under initial uncertainty. We reduce plan verification and conformant planning to model checking problems of our logic. We show that the model checking problem of the iteration-free fragment is PSPACE-complete. By using two non-standard (but equivalent) semantics, we give novel model checking algorithms to the full language and the iteration-free language.

研究动机与目标

• 开发一种用于初始不确定性下自动规划的逻辑框架，特别是无反馈的合致规划。
• 在动态知识逻辑系统中，将合致规划与计划验证问题转化为模型检测问题。
• 为该逻辑的完整与无迭代片段提供复杂度结果及高效的模型检测算法。
• 通过提供一种可判定、表达能力强且计算上可行的单智能体规划形式化方法，弥合动态知识逻辑与经典人工智能规划之间的差距。
• 为未来工作中将该框架扩展至条件规划与概率规划奠定基础。

提出的方法

• 基于 Wang 和 Li 的逻辑，提出一种基于程序的动态知识逻辑框架 EAL，并扩展为 EPDL 以表达计划。
• 使用不确定性映射来建模不确定性，其中状态表示可能的初始状态，转移关系编码在不确定性下的动作效果。
• 定义在不确定性映射上对 EPDL 的模型检测，其中公式的真值相对于信念状态（可能状态的子集）进行评估。
• 引入两种非标准但等价的语义，以支持完整与无迭代片段的新型模型检测算法。
• 采用受 Savitch 定理启发的递归二分法算法，证明无星号片段的模型检测属于 PSPACE，利用多项式空间进行可达性查询。
• 证明完整 EPDL 片段的模型检测属于 EXPtime，而合致规划仍处于 PSPACE，与人工智能规划中的已知复杂度界限一致。

实验结果

研究问题

• RQ1 合致规划问题能否在动态知识逻辑框架中有效转化为模型检测问题？
• RQ2 在不确定性映射上，所提逻辑的无星号片段的模型检测具有何种计算复杂度？
• RQ3 如何利用非标准语义设计该逻辑的高效模型检测算法？
• RQ4 所提逻辑在多大程度上具备表达能力以捕捉带反馈的条件与条件规划？
• RQ5 该框架能否扩展至概率规划与不同观测能力下的统一人工智能规划？

主要发现

• 在不确定性映射上，EPDL 无迭代片段的模型检测问题是 PSPACE 完全的。
• 通过一种类似二分的递归方法，开发了一种新型的无迭代片段模型检测算法，该算法在多项式空间内运行。
• 完整 EPDL 片段的模型检测问题属于 EXPtime，表明其在复杂计划验证中具有可计算性。
• 该框架成功地将合致规划问题转化为模型检测，同时保持了规划问题的已知 PSPACE 复杂度。
• 使用非标准语义可实现高效且等价的模型检测过程，而无需显式构建完整的信念状态空间。
• 该框架具备足够的表达能力以捕捉条件计划，如 $(?p;a + ?\neg p;b);c$，表明其在扩展至带反馈的条件规划方面具有潜力。