[论文解读] Belief change with noisy sensing in the situation calculus

Jianbing Ma, Weiru Liu+1 more|arXiv (Cornell University)|Feb 14, 2012

Logic, Reasoning, and Knowledge参考文献 24被引用 8

一句话总结

本文将情境演 calculus 框架扩展至处理噪声传感下的迭代信念变化，其中传感动作可能产生不准确的信息。它引入了一种形式化机制，使智能体即使在传感不可靠的情况下，也能维持一致的信念，并执行信念修正、信念更新和信念内省，证明只要噪声传感与准确传感的比例受限制，就能实现一致的信念状态。

ABSTRACT

Situation calculus has been applied widely in artificial intelligence to model and reason about actions and changes in dynamic systems. Since actions carried out by agents will cause constant changes of the agents' beliefs, how to manage these changes is a very important issue. Shapiro et al. [22] is one of the studies that considered this issue. However, in this framework, the problem of noisy sensing, which often presents in real-world applications, is not considered. As a consequence, noisy sensing actions in this framework will lead to an agent facing inconsistent situation and subsequently the agent cannot proceed further. In this paper, we investigate how noisy sensing actions can be handled in iterated belief change within the situation calculus formalism. We extend the framework proposed in [22] with the capability of managing noisy sensings. We demonstrate that an agent can still detect the actual situation when the ratio of noisy sensing actions vs. accurate sensing actions is limited. We prove that our framework subsumes the iterated belief change strategy in [22] when all sensing actions are accurate. Furthermore, we prove that our framework can adequately handle belief introspection, mistaken beliefs, belief revision and belief update even with noisy sensing, as done in [22] with accurate sensing actions only.

研究动机与目标

• 解决现有情境演 calculus 框架中假设完美传感的局限性，该假设在噪声条件下会失效。
• 使智能体即使在传感动作易出错的情况下，也能执行迭代信念变化。
• 确保在存在噪声传感的情况下，信念修正、信念更新和信念内省依然有效且一致。
• 证明所提出的框架在准确传感条件下可推广至先前工作，并在噪声下保持逻辑一致性。

提出的方法

• 扩展情境演 calculus 形式化，以整合具有已知错误率的概率传感动作。
• 引入一种信念更新机制，考虑传感器数据在信念状态转移过程中可能出现的不准确性。
• 采用有界噪声模型，其中噪声传感与准确传感动作的比例受到限制，以保持一致性。
• 对情境项应用逻辑推理，以追踪动作和观测序列中的信念状态。
• 定义在存在噪声输入时信念一致性得以保持的条件，使用信念演化形式公理。
• 证明当所有传感均无误差时，该框架可作为先前准确传感方法的特例被包含。

实验结果

研究问题

• RQ1 当传感动作受噪声影响时，如何在情境演 calculus 中一致地管理信念变化？
• RQ2 在传感器数据不可靠的情况下，智能体在何种条件下仍能确定世界的实际状态？
• RQ3 当传感不准确时，该框架能否支持信念修正、信念更新和信念内省？
• RQ4 所提出的方法与假设完美传感的先前工作有何关系？是否实现了推广？
• RQ5 对噪声传感与准确传感动作比例的何种约束可确保信念演化的持续一致性？

主要发现

• 该框架成功处理了噪声传感下的信念变化，在传感器提供错误信息时仍能保持逻辑一致性。
• 若噪声传感与准确传感动作的比例受限制，智能体仍能检测到实际情境。
• 所提出的方法推广了 Shapiro 等人先前的工作，当所有传感均准确时，可退化为原框架。
• 信念修正、信念更新和信念内省在噪声传感下仍被保留并得到适当处理。
• 形式化确保了即使在传感不完美时，信念状态也能通过动作和观测序列正确演化。