[论文解读] Task Planning in Robotics: an Empirical Comparison of PDDL-based and ASP-based Systems

Yuqian Jiang, Shiqi Zhang+2 more|arXiv (Cornell University)|Apr 23, 2018

Logic, Reasoning, and Knowledge参考文献 30被引用 4

一句话总结

该论文通过在三个基准测试中使用相同的领域编码，对基于PDDL和基于ASP的任务规划器进行了实证比较。结果表明，在长序列规划问题中，PDDL-based规划器表现更优；而在涉及大量对象或复杂推理的领域中，ASP-based规划器表现更佳，为机器人任务规划中的规划器选择提供了实用指导。

ABSTRACT

Robots need task planning algorithms to sequence actions toward accomplishing goals that are impossible through individual actions. Off-the-shelf task planners can be used by intelligent robotics practitioners to solve a variety of planning problems. However, many different planners exist, each with different strengths and weaknesses, and there are no general rules for which planner would be best to apply to a given problem. In this article, we empirically compare the performance of state-of-the-art planners that use either the Planning Domain Description Language (PDDL), or Answer Set Programming (ASP) as the underlying action language. PDDL is designed for task planning, and PDDL-based planners are widely used for a variety of planning problems. ASP is designed for knowledge-intensive reasoning, but can also be used for solving task planning problems. Given domain encodings that are as similar as possible, we find that PDDL-based planners perform better on problems with longer solutions, and ASP-based planners are better on tasks with a large number of objects or in which complex reasoning is required to reason about action preconditions and effects. The resulting analysis can inform selection among general purpose planning systems for particular robot task planning domains.

研究动机与目标

• 根据领域特性，为机器人研究人员提供在基于PDDL和基于ASP的任务规划器之间进行选择的指导。
• 在相同的领域编码下，评估最先进的PDDL和ASP规划器的性能。
• 识别在不同领域属性（如规划长度、对象数量和推理复杂度）下，哪种规划器类型表现更优。
• 为实践者在机器人领域选择通用规划系统提供可操作的洞见。

提出的方法

• 本研究采用三个基准领域：Blocks World、Hiking，以及来自IPC和先前机器人研究工作的Robot Navigation变体。
• 使用尽可能相似的表示方式，将这些领域同时编码为PDDL和ASP，以确保公平比较。
• PDDL-based规划使用FastDownward规划器（FDSS-1和LAMA-2011），ASP-based规划使用Clingo。
• 实验中改变关键领域属性：规划长度、对象数量，以及动作前提条件和效果的复杂度。
• 在异构的HTC集群上进行多次运行，测量规划时间，以评估在不同硬件上的表现一致性。
• 进行统计分析以确认趋势，低标准差表明结果在不同计算平台上的稳健性。

实验结果

研究问题

• RQ1 在需要长序列动作的问题上，PDDL-based规划器是否显著优于ASP-based规划器？
• RQ2 尽管存在更高的底层化成本，ASP-based规划器在具有大量对象的领域中是否表现更优？
• RQ3 在需要对动作前提条件和效果进行复杂推理的任务中，ASP-based规划器是否表现出更优性能？
• RQ4 领域规模和复杂度的变化如何影响PDDL和ASP规划器的相对性能？

主要发现

• 在需要长解决方案的问题中，PDDL-based规划器显著优于ASP-based规划器，尤其在Hiking和Blocks World领域中表现突出。
• ASP-based规划器在对象数量增加时表现出更优的可扩展性，尤其是在底层化动作数量未急剧膨胀的情况下。
• 在需要对动作前提条件和效果进行复杂推理的Robot Navigation领域中，对于短规划，ASP-based规划器明显快于PDDL-based规划器。
• 两种范式之间的性能差距在多种硬件配置中保持一致，表明该趋势与特定机器因素无关，具有稳健性。
• Clingo在大规模领域中的优势部分被更高的底层化时间所抵消，表明底层化与求解效率之间存在权衡。
• 结果支持如下假设：PDDL更适合长序列规划问题，而ASP更适合复杂或大规模推理任务。