[论文解读] E-RES: A System for Reasoning about Actions, Events and Observations

Antonis Kakas, Rob Miller+1 more|ArXiv.org|Mar 8, 2000

Logic, Reasoning, and Knowledge参考文献 6被引用 11

一句话总结

E-RES 是一个基于逻辑的系统，使用 SICStus Prolog 实现，能够在语言 ℰ 中对动作、事件和观察进行非单调推理。它通过论证框架重新表述 ℰ 的模型论语义，以计算怀疑性（sceptical）和信任性（credulous）结论，支持随时间推移的前向与后向推理，包括通过分支陈述（ramification statements）产生的间接影响。

ABSTRACT

E-RES is a system that implements the Language E, a logic for reasoning about narratives of action occurrences and observations. E's semantics is model-theoretic, but this implementation is based on a sound and complete reformulation of E in terms of argumentation, and uses general computational techniques of argumentation frameworks. The system derives sceptical non-monotonic consequences of a given reformulated theory which exactly correspond to consequences entailed by E's model-theory. The computation relies on a complimentary ability of the system to derive credulous non-monotonic consequences together with a set of supporting assumptions which is sufficient for the (credulous) conclusion to hold. E-RES allows theories to contain general action laws, statements about action occurrences, observations and statements of ramifications (or universal laws). It is able to derive consequences both forward and backward in time. This paper gives a short overview of the theoretical basis of E-RES and illustrates its use on a variety of examples. Currently, E-RES is being extended so that the system can be used for planning.

研究动机与目标

• 为涉及动作、观察及其间接影响的动态叙事提供计算推理系统。
• 通过非单调逻辑框架解决动作理论中的框架问题与信息不完整问题。
• 使用论证技术实现语言 ℰ 的可靠且完备的重新表述，以实现高效推理。
• 支持随时间推移的前向与后向推理，包括从结果反推原因的推理。
• 扩展系统以支持在初始状态信息不完整条件下的规划，其中初始状态可能部分未知。

提出的方法

• 将语言 ℰ 的模型论语义重新表述为论证框架，以支持计算推理。
• 使用信任性与怀疑性推理，从最小假设集合中推导出受支持的结论。
• 使用四种命题类型编码领域描述：t-命题（观察）、h-命题（动作发生）、c-命题（动作法则）和 r-命题（分支，即间接影响）。
• 应用最小不动点构造，计算由 r-命题链产生的间接影响。
• 通过追踪动作和分支链的启动与终止点，计算时间点上谓词的真值。
• 采用基于 Prolog 的实现（300 行代码），在 SICStus Prolog 中实现，支持自然数时间点上的时间推理。

实验结果

研究问题

• RQ1 如何通过形式化语义，使基于逻辑的系统从不完整动作叙事中计算出非单调结论？
• RQ2 论证框架能否用于实现模型论动作逻辑的可靠且完备的重新表述？
• RQ3 该系统如何支持从观察和动作影响出发，向前与向后进行时间推理？
• RQ4 在信息不完整或存在冲突的情况下，如何计算并强制执行间接影响（即分支）？
• RQ5 该系统能否扩展以支持在初始知识不完整条件下的规划？

主要发现

• E-RES 正确计算出与语言 ℰ 原始模型论语义完全一致的怀疑性结论。
• 系统成功地从时间 6 的观察结果向后推理，推断出危险（Danger）在时间 4 之后成立，且过敏（Allergic）在时间 3 之后成立，尽管对血型信息存在不确定性。
• 对于示例 1，E-RES 生成了有效的动作序列（如 InjectA 和 InjectB），即使初始条件未知，也能在时间 4 实现保护目标。
• 系统支持前向与后向推理，如在多个时间点成功查询 holds 与 neg(holds) 所示。
• E-RES 通过计算依赖关系的最小不动点链，处理通过 r-命题产生的间接影响。
• 系统可扩展用于规划，如其在初始状态部分未知时仍能生成实现目标的动作序列所示。