[论文解读] Planning under Continuous Time and Resource Uncertainty: A Challenge for AI

John Bresina, Richard Dearden+4 more|arXiv (Cornell University)|Dec 12, 2012

AI-based Problem Solving and Planning参考文献 35被引用 140

一句话总结

本文识别出人工智能规划中的一个关键挑战：管理连续时间和资源不确定性，以火星车任务为例。它提出一个框架，能够处理持续时间可变且资源消耗具有随机性的并行动作（例如电力消耗），并证明传统规划方法因对时间、不确定性和问题规模的过度简化假设而失效。

ABSTRACT

We outline a class of problems, typical of Mars rover operations, that are problematic for current methods of planning under uncertainty. The existing methods fail because they suffer from one or more of the following limitations: 1) they rely on very simple models of actions and time, 2) they assume that uncertainty is manifested in discrete action outcomes, 3) they are only practical for very small problems. For many real world problems, these assumptions fail to hold. In particular, when planning the activities for a Mars rover, none of the above assumptions is valid: 1) actions can be concurrent and have differing durations, 2) there is uncertainty concerning action durations and consumption of continuous resources like power, and 3) typical daily plans involve on the order of a hundred actions. This class of problems may be of particular interest to the UAI community because both classical and decision-theoretic planning techniques may be useful in solving it. We describe the rover problem, discuss previous work on planning under uncertainty, and present a detailed, but very small, example illustrating some of the difficulties of finding good plans.

研究动机与目标

• 识别现有人工智能规划方法在应用于涉及连续时间和资源不确定性的现实问题时的根本缺陷。
• 通过火星车任务规划作为代表性案例研究，分析现有方法的局限性——特别是其对离散动作结果、固定持续时间以及小规模问题的依赖。
• 阐明需要开发新型规划技术，以应对大规模问题中并行动作、连续时间及随机资源消耗的挑战。
• 通过一个详细的小规模实例，说明在连续不确定性下寻找最优计划的复杂性。
• 将该问题定位为UAI社区的关键挑战，其中经典规划与决策理论规划方法可有效结合。

提出的方法

• 作者将规划问题建模为具有可变持续时间且消耗连续资源（如电力）的动作。
• 提出一种形式化表示方法，支持并行动作和连续时间，超越离散时间步长。
• 将动作持续时间和资源消耗的不确定性建模为连续概率分布，而非离散结果。
• 使用一个最小但具启发性的例子对框架进行评估，以捕捉时间、资源使用与不确定性之间权衡的核心挑战。
• 该方法整合了经典规划（用于动作序列）与决策理论规划（用于处理不确定性）的元素。
• 将问题建模为在不确定性下的决策任务，需对连续时间与资源变量进行优化。

实验结果

研究问题

• RQ1 为何现有规划方法在应用于涉及连续时间和资源不确定性的现实问题时会失效？
• RQ2 规划系统如何有效建模具有可变持续时间和连续资源消耗的动作？
• RQ3 在如火星车任务中涉及数百个动作的问题中，规划算法扩展的关键挑战是什么？
• RQ4 经典规划与决策理论规划技术能否有意义地结合以应对连续不确定性？
• RQ5 在连续时间和资源不确定性下寻找高质量计划的结构性与计算性困难是什么？

主要发现

• 现有规划方法在火星车式问题上失效，是因为其假设动作结果为离散、持续时间为固定值且问题规模较小。
• 将不确定性视为离散的假设不足以建模现实中动作持续时间与资源消耗连续变化的场景。
• 火星车规划问题每天涉及约100个动作，已超出当前规划技术的实际处理规模。
• 所提出的框架表明，连续时间与连续资源不确定性引入了离散模型无法捕捉的显著复杂性。
• 小规模实例表明，即使此类问题的简单情形，也需对时间、资源使用与不确定性的权衡进行复杂处理。
• 本研究强调了开发新型规划范式的需求，以可扩展的方式整合连续时间、连续资源与随机不确定性。