[论文解读] Landmark-Based Plan Recognition

Ramon Fraga Pereira, Felipe Meneguzzi|arXiv (Cornell University)|Apr 5, 2016

AI-based Problem Solving and Planning被引用 7

一句话总结

本文提出了一种基于关键点的启发式计划识别方法，利用规划关键点——为实现目标所必需的事实或动作——来过滤和排序从不完整观测中得出的候选目标。通过估计已实现关键点的比例，该方法在准确率上显著优于当前最先进水平，识别速度最快可达其8.75个数量级，且在所有评估领域中均优于Ramírez和Geffner（2016）的方法。

ABSTRACT

Recognition of goals and plans using incomplete evidence from action execution can be done efficiently by using planning techniques. In many applications it is important to recognize goals and plans not only accurately, but also quickly. In this paper, we develop a heuristic approach for recognizing plans based on planning techniques that rely on ordering constraints to filter candidate goals from observations. These ordering constraints are called landmarks in the planning literature, which are facts or actions that cannot be avoided to achieve a goal. We show the applicability of planning landmarks in two settings: first, we use it directly to develop a heuristic-based plan recognition approach; second, we refine an existing planning-based plan recognition approach by pre-filtering its candidate goals. Our empirical evaluation shows that our approach is not only substantially more accurate than the state-of-the-art in all available datasets, it is also an order of magnitude faster.

研究动机与目标

• 提升从不完整动作序列中进行计划识别的准确率与效率。
• 利用规划关键点——实现目标所必需的不可逆事实或动作——作为候选目标的过滤机制。
• 开发一种基于启发式的计划识别系统，通过关键点的实现程度来估计目标完成度。
• 通过使用关键点预先过滤候选目标，改进现有的基于规划的计划识别方法。
• 在标准基准数据集上，对本方法与最先进方法进行实证评估。

提出的方法

• 使用标准规划技术从领域定义中提取规划关键点。
• 将关键点作为约束条件，过滤掉其所需关键点未被观测到的候选目标。
• 设计一种启发式方法，基于已实现关键点与总需关键点的比例，估计目标完成度百分比。
• 将关键点过滤作为预处理步骤，用于加速现有的基于规划的计划识别系统。
• 实现基于阈值的过滤松弛机制，在略微增加运行时间的代价下提升准确率。
• 使用析取关键点（实现目标的替代路径）来提升在次优计划场景下的识别性能。

实验结果

研究问题

• RQ1 规划关键点能否有效用于计划识别中的候选目标过滤，从而同时提升速度与准确率？
• RQ2 与Ramírez和Geffner（2016）提出的最先进方法相比，基于关键点的过滤在识别准确率与运行时间方面表现如何？
• RQ3 析取关键点对识别准确率与性能有何影响，特别是在存在多种计划变体的领域中？
• RQ4 在哪些领域中，关键点过滤能带来最大的性能提升？在何种情况下会引入额外开销？
• RQ5 基于关键点的过滤能否作为预处理步骤，有效集成到现有的基于规划的计划识别框架中？

主要发现

• 该基于关键点的方法在准确率上至少与Ramírez和Geffner（2016）的最先进方法持平，且在大多数领域中表现更优，部分领域甚至达到近乎完美的识别效果。
• 该方法比最先进方法最快快达8.75个数量级，尤其在Blocks-World领域表现尤为突出。
• 在Easy-IPC-Grid领域，该方法保持了高准确率，并在误报控制方面优于基线方法。
• 析取关键点在Kitchen等计划为次优的领域中提升了准确率，但在计划路径互斥的领域（如Easy-IPC-Grid）中会降低运行速度。
• 当作为预处理步骤应用于现有计划识别系统时，关键点过滤能显著减少识别时间。
• 该方法在不同观测完整度水平下均表现出强鲁棒性，即使在动作序列不完整的情况下也能保持高效率。