[论文解读] Numerical Integration and Dynamic Discretization in Heuristic Search Planning over Hybrid Domains

Miquel Ramírez, Enrico Scala+2 more|arXiv (Cornell University)|Mar 12, 2017

AI-based Problem Solving and Planning被引用 5

一句话总结

本文提出 FS+，一种用于混合领域（结合离散与连续动力学）的启发式搜索规划器，通过自适应数值积分和在线零穿越检测，动态细化规划过程中的时间离散化。该方法在涵盖线性和非线性动力学的多样化基准测试中表现出稳健性能，通过智能调整仿真步长并实时验证约束条件，优于现有规划器。

ABSTRACT

In this paper we look into the problem of planning over hybrid domains, where change can be both discrete and instantaneous, or continuous over time. In addition, it is required that each state on the trajectory induced by the execution of plans complies with a given set of global constraints. We approach the computation of plans for such domains as the problem of searching over a deterministic state model. In this model, some of the successor states are obtained by solving numerically the so-called initial value problem over a set of ordinary differential equations (ODE) given by the current plan prefix. These equations hold over time intervals whose duration is determined dynamically, according to whether zero crossing events take place for a set of invariant conditions. The resulting planner, FS+, incorporates these features together with effective heuristic guidance. FS+ does not impose any of the syntactic restrictions on process effects often found on the existing literature on Hybrid Planning. A key concept of our approach is that a clear separation is struck between planning and simulation time steps. The former is the time allowed to observe the evolution of a given dynamical system before committing to a future course of action, whilst the later is part of the model of the environment. FS+ is shown to be a robust planner over a diverse set of hybrid domains, taken from the existing literature on hybrid planning and systems.

研究动机与目标

• 为解决在具有离散与连续状态变量的混合领域中进行规划的挑战，特别是当动力学为非线性或时变时。
• 克服先前规划器使用固定或预设时间步长所导致的局限性，避免产生不准确或无效的计划。
• 通过仅在必要时基于实时检测到的模式不变量违反（零穿越）动态细化时间步长，实现高效且可扩展的规划。
• 将现有的经典规划启发式方法——基于区间的松弛与约束松弛规划图——整合进混合规划框架中，以提升搜索引导能力。
• 提供一个实用且可扩展的框架，可与模拟器和求解器接口连接，支持面向工程设计的智能CAD工具开发。

提出的方法

• FS+ 采用前向搜索策略，并引入一种特殊的‘等待’动作来模拟随时间演化的连续状态，以自适应、在线确定的持续时间替代固定时间步长。
• 通过数值积分（如龙格-库塔方法）计算等待动作后的后继状态，使用精细的仿真步长 Δz 来近似求解初值问题。
• 在仿真过程中实时检测零穿越事件——即模式不变量的违反；若检测到，则缩短时间步长并重新运行仿真，以确保计划的有效性。
• 规划器仅在搜索过程中实际遇到模式时才动态探索这些模式，避免了需预先枚举所有可能模式的需要，其灵感源自定性仿真。
• 结合两种现有启发式方法——基于区间的松弛与约束松弛规划图——形成一种新型且高效的启发式 $h_{\text{FS+}}$，以引导搜索过程。
• 系统设计为通过语义附加或动态链接与外部模拟器和求解器接口连接，支持集成至CAD与仿真工作流中。

实验结果

研究问题

• RQ1 通过动态细化仿真步长实现自适应时间离散化，是否能提升非线性动力学下混合规划的计划质量与有效性？
• RQ2 如何将零穿越检测集成至规划过程中，以确保模式不变量在不预先枚举所有模式的前提下得以保持？
• RQ3 现有经典规划启发式方法在多大程度上可被有效适配并组合用于连续领域上的混合规划？
• RQ4 一种避免预先枚举模式的规划器，能否在因因子化过程描述导致模式数量呈指数级增长的问题中实现高效扩展？
• RQ5 在运行时集成数值积分与约束验证，相较于离线验证或受限动力学类别的方法，在性能与鲁棒性方面表现如何？

主要发现

• FS+ 在涵盖线性和非线性动力学的多样化基准测试中表现出稳健性能，其计划质量与效率均优于现有混合规划器。
• 自适应时间离散化使 FS+ 能够根据系统行为自动调整仿真分辨率，避免不必要的计算开销，同时确保约束有效性。
• 在线零穿越检测实现了仿真过程中模式不变量的精确验证，防止了因固定时间步长导致的无效状态转移。
• 将基于区间的松弛与约束松弛规划图启发式方法整合后，形成了一种强大且高效的启发式 $h_{\text{FS+}}$，显著提升了搜索性能。
• FS+ 可轻松扩展并与外部模拟器和求解器接口连接，表明其在交互式CAD与工程设计工具中具有强大集成潜力。
• 该框架支持未来通过语法限制与符号验证（特别是SMT与约束编程）进行扩展，可为计划有效性提供更强保证。