[论文解读] Planning with Explanatory Actions: A Joint Approach to Plan Explicability and Explanations in Human-Aware Planning.

Sarath Sreedharan, Tathagata Chakraborti+2 more|arXiv (Cornell University)|Mar 18, 2019

AI-based Problem Solving and Planning参考文献 21被引用 8

一句话总结

本文提出了一种联合框架，通过在认识论规划中将解释建模为'解释性动作'，实现计划可解释性与解释生成的统一。该方法在计算效率上优于先前的方法，并为具备可解释行为的人类感知规划提供了高效且统一的公式化表达。

ABSTRACT

In this work, we formulate the process of generating explanations as model reconciliation for planning problems as one of planning with explanatory actions. We show that these problems could be better understood within the framework of epistemic planning and that, in fact, most earlier works on explanation as model reconciliation correspond to tractable subsets of epistemic planning problems. We empirically show how our approach is computationally more efficient than existing techniques for explanation generation and we end the paper with a discussion of how this formulation could be extended to generate novel explanatory behaviors.

研究动机与目标

• 解决在自动化规划系统中生成有意义、人类可理解的解释的挑战。
• 在单一规划框架下统一计划可解释性与解释生成。
• 与现有技术相比，提升解释生成的计算效率。
• 通过形式化的规划方法实现新型解释行为。

提出的方法

• 在认识论规划框架内，将解释生成形式化为包含解释性动作的规划问题。
• 将智能体与人类模型的调和建模为涉及知识与信念更新的规划问题。
• 将解释表示为能修改规划器知识状态以匹配人类期望的动作。
• 利用认识论规划的可 tractable 子集，确保计算可行性。
• 通过实证评估与现有解释生成技术进行效率对比。

实验结果

研究问题

• RQ1 如何将解释系统性地作为规划过程的一部分生成？
• RQ2 计划可解释性与认识论规划之间存在何种关系？
• RQ3 解释性动作能否在统一的规划框架内高效建模？
• RQ4 与先前的解释生成方法相比，该方法在效率上表现如何？

主要发现

• 所提出的方法将解释生成建模为一种认识论规划形式，从而实现了规划与解释的统一处理。
• 大多数关于解释作为模型调和的先前工作被证明是认识论规划问题的可 tractable 子集。
• 该方法在解释生成方面相比现有技术实现了更高的计算效率。
• 该框架通过形式化规划机制支持生成新型解释行为。