[论文解读] Modeling Complex Domains of Actions and Change

Antonis Kakas, Loizos Michael|ArXiv.org|Jul 13, 2002

Logic, Reasoning, and Knowledge参考文献 7被引用 4

一句话总结

本文研究了使用动作描述语言 ${\cal E}$ 对复杂动作领域——包含后果、非确定性和并发性——进行高层次建模，表明当合理运用直接与间接影响规则及适当的词汇时，基于本体的自然表示可实现计算上的高效性。实证实验表明，基于SAT的推理在动作数量增加时扩展性更好，但在相关性过滤方面表现不佳。

ABSTRACT

This paper studies the problem of modeling complex domains of actions and change within high-level action description languages. We investigate two main issues of concern: (a) can we represent complex domains that capture together different problems such as ramifications, non-determinism and concurrency of actions, at a high-level, close to the given natural ontology of the problem domain and (b) what features of such a representation can affect, and how, its computational behaviour. The paper describes the main problems faced in this representation task and presents the results of an empirical study, carried out through a series of controlled experiments, to analyze the computational performance of reasoning in these representations. The experiments compare different representations obtained, for example, by changing the basic ontology of the domain or by varying the degree of use of indirect effect laws through domain constraints. This study has helped to expose the main sources of computational difficulty in the reasoning and suggest some methodological guidelines for representing complex domains. Although our work has been carried out within one particular high-level description language, we believe that the results, especially those that relate to the problems of representation, are independent of the specific modeling language.

研究动机与目标

• 研究复杂领域（涉及后果、非确定性和并发性）是否能通过高层次动作描述语言实现自然表示。
• 分析表示选择（如本体结构以及直接与间接影响规则的使用）对推理系统计算性能的影响。
• 通过受控的实证实验，识别在动作与变化推理中计算困难的主要来源。
• 从实证结果中提炼出在复杂动态领域中设计高效且语义自然表示的方法论指导。

提出的方法

• 本研究采用动作描述语言 ${\cal E}$，其支持 t-命题（某时 fluent 成立）、h-命题（某时动作发生）、c-命题（在条件下动作引发或终止 fluent）以及 r-命题（只要条件满足，fluent 即成立）。
• 采用受控的实验框架，变化领域本体、通过约束使用间接影响规则，以及故事情节复杂度（如无关动作、信息不完整）。
• 比较两种推理方法：基于逻辑编程的方法与基于SAT的方法，性能在不同领域配置下进行测量。
• 通过改变动作数量、时间点和结构复杂度，分析计算行为，重点关注可扩展性与稳定性。
• 以 Zoo 领域作为基准复杂领域，整合了多种动作推理挑战。
• 从实证结果中提炼出方法论指导，强调直接与间接规则的平衡使用以及战略性词汇设计。

实验结果

研究问题

• RQ1 能否通过高层次动作描述语言自然地表示结合了后果、非确定性和并发性的复杂领域？
• RQ2 表示选择（如本体结构和间接影响规则的使用）如何影响推理系统的计算性能？
• RQ3 在复杂动作领域推理中，计算困难的主要来源是什么？
• RQ4 不同推理机制（如基于逻辑编程与基于SAT）在领域复杂度增加时的扩展性如何？
• RQ5 在动作表示中，自然直观的词汇在多大程度上能提升计算效率？

主要发现

• 基于SAT的推理方法在动作数量增加时表现出更稳定的性能，且扩展性优于基于逻辑编程的方法。
• 基于SAT的方法在相关性过滤方面表现不佳，需对每个查询重新完整翻译相关理论部分，可能导致性能下降。
• 直接与间接影响规则的平衡使用可带来更优的计算行为，提示了表示设计的方法论指导。
• 包含丰富、非最小化词汇（如反映自然空间或定性特征的词汇，例如地形几何）可提升计算性能，即使这些词汇在形式上并非最小。
• 本研究发现非确定性与通过领域约束隐式限定影响规则之间存在关联，直接表示间接影响可提高其在推理中的优先级。
• 初步结果表明，词汇选择显著影响计算效率，某些情况下自然的、定性的表示优于形式化、紧凑的表示。