Skip to main content
QUICK REVIEW

[论文解读] Achieving while maintaining: A logic of knowing how with intermediate constraints

Yanjun Li, Yanjing Wang|arXiv (Cornell University)|Oct 17, 2016
Logic, Reasoning, and Knowledge参考文献 11被引用 23
一句话总结

本文引入了一个三元知道如何算子 $Γ\mathit{Khm}(\psi,\chi,\varphi)$,用于形式化在保持中间约束 $χ$ 的前提下,从前提 $ψ$ 实现目标 $φ$ 的知识-如何。该文为该逻辑提供了 sound 且 complete 的公理化系统,扩展了先前关于目标导向的知道如何的研究,通过引入强可执行性以及使用状态标记构造典范模型以追踪中间约束。

ABSTRACT

In this paper, we propose a ternary knowing how operator to express that the agent knows how to achieve $ϕ$ given $ψ$ while maintaining $χ$ in-between. It generalizes the logic of goal-directed knowing how proposed by Yanjing Wang 2015 'A logic of knowing how'. We give a sound and complete axiomatization of this logic.

研究动机与目标

  • 为了形式化在实现目标过程中必须满足中间约束的知识-如何,解决二元知道如何算子的局限性。
  • 通过在中间状态引入约束,扩展目标导向知道如何的逻辑,反映现实世界中的限制,如成本或道德约束。
  • 为新的三元逻辑开发一个 sound 且 complete 的证明系统,推广先前关于知道如何的研究。
  • 通过在典范模型构造中引入状态标记,处理规划和知识-如何中的复杂约束。
  • 为未来扩展奠定基础,包括或然性计划、公开宣告以及认识-逻辑的整合。

提出的方法

  • 提出一个三元模态算子 $Γ\mathit{Khm}(\psi,\chi,\varphi)$,用以表达从 $ψ$ 实现 $φ$ 的知识-如何,同时在中间状态保持 $χ$。
  • 定义一个带动作、状态和赋值的标记转移系统模型,以表示代理人的能力与状态转移。
  • 引入动作序列的强可执行性概念,确保计划能从任何初始片段完成。
  • 构造一个典范模型,其中状态为极大一致集合对,并使用标记 $χ^\psi$ 标识具有 $χ$-约束的前驱状态。
  • 通过真值引理和对动作序列的归纳法证明完备性,依赖于一个非平凡的典范模型构造。
  • 改编先前工作的证明系统,增加处理中间约束的公理,确保 sound 与 complete。

实验结果

研究问题

  • RQ1当在实现目标过程中中间状态必须满足特定约束时,知识-如何如何被形式化捕捉?
  • RQ2为确保带有中间约束的三元知道如何算子的 sound 与 complete,需要哪些逻辑公理?
  • RQ3中间约束的引入如何影响典范模型的结构以及完备性证明?
  • RQ4该逻辑能否扩展以处理或然性计划或公开宣告?此类扩展面临哪些挑战?
  • RQ5强可执行性在确保中间约束下计划的可靠性方面起什么作用?

主要发现

  • 本文为三元知道如何逻辑 $Γ\mathit{Khm}(\psi,\chi,\varphi)$ 提供了 sound 且 complete 的公理化系统,扩展了先前关于二元知道如何的研究。
  • 完备性证明相比二元情况复杂得多,需要使用带有状态标记 $χ^\psi$ 的典范模型来追踪中间约束。
  • 该逻辑捕捉了现实中的规划场景,其中对中间状态的约束(如财务或道德限制)至关重要。
  • 三元算子通过 $Γ\mathit{Kh}(\psi,\varphi) := \u0393\mathit{Khm}(\psi,\top,\varphi)$ 广义化了二元 $Γ\mathit{Kh}(\psi,\varphi)$ 算子。
  • 该逻辑支持普遍模态 $Γ\mathit{U}\varphi := \u0393\mathit{Khm}(\neg\varphi,\top,\bot)$,可用于表达全局性质。
  • 该框架允许未来扩展至或然性计划和公开宣告,尽管这些需要进一步的模型与逻辑增强。

更好的研究,从现在开始

从论文设计到论文写作,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。