[论文解读] Task Interaction in an HTN Planner

Ilce Georgievski, Alexander Lazovik+1 more|arXiv (Cornell University)|Nov 30, 2011

AI-based Problem Solving and Planning参考文献 11被引用 3

一句话总结

本文将 JSHOP2 HTN 规划器扩展为原生推理任务交互，其中某一任务的效果已被先前任务实现，从而实现冗余子计划的自动检测与剪枝。通过将‘任务到任务匹配’机制整合到规划过程中，该方法简化了领域知识需求，并在 GreenerBuildings 等真实世界自动化领域中提升了性能，优于 JSHOP2 在关键案例中的表现，且无需依赖手动编写的虚拟任务。

ABSTRACT

Hierarchical Task Network (HTN) planning uses task decomposition to plan for an executable sequence of actions as a solution to a problem. In order to reason effectively, an HTN planner needs expressive domain knowledge. For instance, a simplified HTN planning system such as JSHOP2 uses such expressivity and avoids some task interactions due to the increased complexity of the planning process. We address the possibility of simplifying the domain representation needed for an HTN planner to find good solutions, especially in real-world domains describing home and building automation environments. We extend the JSHOP2 planner to reason about task interaction that happens when task's effects are already achieved by other tasks. The planner then prunes some of the redundant searches that can occur due to the planning process's interleaving nature. We evaluate the original and our improved planner on two benchmark domains. We show that our planner behaves better by using simplified domain knowledge and outperforms JSHOP2 in a number of relevant cases.

研究动机与目标

• 为解决在复杂真实世界领域（如建筑自动化）中管理任务交互的挑战。
• 减少在领域知识中对人工编写的虚拟任务的依赖，这些任务容易出错且编写繁琐。
• 通过将表达能力从领域知识转移到规划器的推理机制，简化领域表示。
• 通过检测并剪枝因已实现效果而产生的冗余搜索路径，提升规划效率。
• 评估将任务交互推理直接集成到规划过程中的影响，针对基准领域进行评估。

提出的方法

• 引入一种任务到任务匹配机制，检查某一任务的效果是否已被先前执行的任务实现。
• 扩展 JSHOP2，以检测当任务前提条件因先前效果而满足时，允许规划器跳过冗余任务的执行。
• 实现一种条件，若某任务的效果仍有效且由网络中的其他任务实现，则忽略该任务。
• 将此匹配逻辑集成到 HTN 规划循环中，实现对冗余搜索路径的动态剪枝。
• 使用任务效果和前提条件的形式化表示，以实现精确匹配和效果持久性检查。
• 采用修改后的规划算法，在分解过程中评估任务交互，避免在领域模型中显式使用虚拟任务。

实验结果

研究问题

• RQ1 能否有效将任务交互推理集成到 HTN 规划过程中，以减少对复杂领域特定构造（如虚拟任务）的依赖？
• RQ2 原生任务交互检测在真实世界自动化领域中对规划效率和解决方案质量有何影响？
• RQ3 当规划器内部处理任务交互推理时，领域知识能在多大程度上被简化？
• RQ4 在基准领域中，所提出方法是否在规划时间和解决方案最优性方面优于 JSHOP2？
• RQ5 规划器能否在不增加计算开销的前提下，避免因任务效果重叠而产生的冗余搜索路径？

主要发现

• 扩展后的 JSHOP2 规划器能够成功检测并剪枝冗余任务，当其效果已被先前任务实现时，从而减少不必要的搜索路径。
• 该方法通过将交互推理负担从领域作者转移到规划器本身，实现了简化后的领域表示。
• 在多个基准案例中，该规划器的表现优于标准 JSHOP2，特别是在任务交互可能导致冗余规划的场景中。
• 该方法减少了对手动编码虚拟任务的需求，而这些任务在复杂领域（如 GreenerBuildings）中容易出错且难以维护。
• 任务到任务匹配的集成在不损害正确性或完备性的情况下提升了规划效率，因为规划器仍保持形式上的正确性。
• 该方法在节能型建筑自动化中展现出实际优势，其中最小化冗余动作对实现最优能耗至关重要。