[论文解读] Regression with respect to sensing actions and partial states

Le-Chi Tuan, Chitta Baral+1 more|ArXiv.org|May 21, 2004

AI-based Problem Solving and Planning参考文献 24被引用 7

一句话总结

本文提出一种基于状态的回归函数，用于在部分可观察环境下通过三值状态和0-近似语义进行规划，实现了对感知动作的可靠且完备的规划。证明了基于回归的规划能正确找到与基于推进的解等价的计划，并评估了一种无需启发式方法的条件规划器，表现出优异性能。

ABSTRACT

In this paper, we present a state-based regression function for planning domains where an agent does not have complete information and may have sensing actions. We consider binary domains and employ the 0-approximation [Son & Baral 2001] to define the regression function. In binary domains, the use of 0-approximation means using 3-valued states. Although planning using this approach is incomplete with respect to the full semantics, we adopt it to have a lower complexity. We prove the soundness and completeness of our regression formulation with respect to the definition of progression. More specifically, we show that (i) a plan obtained through regression for a planning problem is indeed a progression solution of that planning problem, and that (ii) for each plan found through progression, using regression one obtains that plan or an equivalent one. We then develop a conditional planner that utilizes our regression function. We prove the soundness and completeness of our planning algorithm and present experimental results with respect to several well known planning problems in the literature.

研究动机与目标

• 开发一种适用于不完全信息和感知动作的基于回归的规划框架。
• 在二值域中使用0-近似语义和三值状态形式化回归，以降低复杂度。
• 证明基于回归的公式相对于推进语义的可靠性和完备性。
• 设计并评估基于回归函数的条件规划器，证明其正确性和高效性。
• 证明规划器在不依赖启发式方法的情况下，能找出与基于推进的解等价的计划。

提出的方法

• 使用0-近似语义通过三值状态建模部分可观察性，相比完整信念状态可降低复杂度。
• 定义一种基于状态的回归函数，将目标通过动作和感知动作向后回归，同时保持与推进的一致性。
• 引入一种归一化过程，以确保条件计划在回归中的良好结构和可处理性。
• 采用递归回归函数 Regress*，处理非感知动作序列和含感知的条件计划。
• 开发一种条件规划器 Solve(P)，逐步构建计划-状态对，并通过有限状态空间确保终止性。
• 使用一组计划-状态对 N 来追踪可回归的计划，并通过基于计划结构的归纳证明确保正确性。

实验结果

研究问题

• RQ1 基于回归的规划器能否在存在感知动作和部分可观察性的情况下实现可靠性和完备性？
• RQ2 通过0-近似语义使用三值状态，对部分可观察领域中回归的完备性和复杂度有何影响？
• RQ3 所提出的回归函数在存在感知动作的情况下，是否能保持与基于推进解的等价性？
• RQ4 基于回归的规划器能否在不依赖启发式搜索技术的情况下实现良好性能？
• RQ5 该回归公式是否足够稳健，能够处理涉及感知动作和多种可能结果的条件计划？

主要发现

• 所提出的回归函数在推进语义下具有可靠性和完备性：任何通过回归找到的计划都是有效解，且每个推进解都有一个等价的回归解。
• 规划器 Solve(P) 由于三值状态数量有限而始终能终止，确保了计算可行性。
• 若规划问题存在回归解，则 Solve(P) 返回一个条件计划，其回归结果与原始解的目标状态相同。
• 若不存在解，Solve(P) 正确返回 'NO SOLUTION'，证明了在无解情况下的完备性。
• 该规划器在基准问题上表现出优异性能，且未使用启发式方法，证明了回归方法的有效性。
• 通过0-近似语义使用三值状态，可在降低复杂度的同时实现高效规划并保持正确性，尽管会遗漏部分计划——但该代价是合理的。