[论文解读] An Empirical Comparison of PDDL-based and ASP-based Task Planners.

Yuqian Jiang, Shiqi Zhang+2 more|arXiv (Cornell University)|Apr 23, 2018

AI-based Problem Solving and Planning参考文献 26被引用 2

一句话总结

本文通过在等价规划问题上对基于PDDL和基于ASP的规划器进行实证比较，发现PDDL规划器在长解路径问题上表现更优，而ASP规划器在涉及大量对象或复杂前提与效果推理的问题中表现更佳。本研究为根据问题特征选择规划器提供了基于证据的指导。

ABSTRACT

General purpose planners enable AI systems to solve many different types of planning problems. However, many different planners exist, each with different strengths and weaknesses, and there are no general rules for which planner would be best to apply to a given problem. In this paper, we empirically compare the performance of state-of-the-art planners that use either the Planning Domain Description Language (PDDL), or Answer Set Programming (ASP) as the underlying action language. PDDL is designed for automated planning, and PDDL-based planners are widely used for a variety of planning problems. ASP is designed for knowledge-intensive reasoning, but can also be used for solving planning problems. Given domain encodings that are as similar as possible, we find that PDDL-based planners perform better on problems with longer solutions, and ASP-based planners are better on tasks with a large number of objects or in which complex reasoning is required to reason about action preconditions and effects. The resulting analysis can inform selection among general purpose planning systems for a particular domain.

研究动机与目标

• 评估并比较最先进的基于PDDL和基于ASP的一般性规划器的性能。
• 识别在何种规划问题特征下，PDDL或ASP规划器更为适用。
• 根据问题结构（如解长度或对象数量）提供选择规划器的实际指导。
• 通过在两种范式间尽可能相似的领域编码，确保比较的公平性。

提出的方法

• 本研究在PDDL和ASP中使用等价的领域和问题编码，以确保在不同规划器之间实现公平比较。
• 在一系列多样化的规划问题上评估了来自PDDL和ASP范式的最先进规划器。
• 性能通过多个指标进行衡量，包括解长度、规划时间，以及问题复杂度增加时的可扩展性。
• 分析聚焦于两个关键问题维度：解长度和规划任务中涉及的对象数量。
• 所选问题代表了需要对动作前提和效果进行复杂推理的场景。
• 结果被分析以确定在哪种条件下一种范式能持续优于另一种。

实验结果

研究问题

• RQ1 在需要长解序列的规划问题中，基于PDDL和基于ASP的规划器在性能上如何比较？
• RQ2 在哪些类型的规划问题中，基于ASP的规划器相较于基于PDDL的规划器表现出更优性能？
• RQ3 规划问题中的对象数量如何影响PDDL和ASP规划器的相对性能？
• RQ4 在何种条件下，对动作前提和效果的复杂推理会更有利于一种规划范式而非另一种？

主要发现

• 在需要更长解序列的问题中，基于PDDL的规划器优于基于ASP的规划器。
• 在涉及大量对象的问题中，基于ASP的规划器表现出更好的性能。
• 在需要对动作前提和效果进行复杂推理的场景中，基于ASP的规划器更为有效。
• 每种规划器类型的性能优势在测试的问题集中保持一致，表明其对问题结构存在强烈依赖。