[论文解读] Time, Chance, and Action

Peter Haddawy|arXiv (Cornell University)|Mar 27, 2013

Semantic Web and Ontologies被引用 7

一句话总结

本文提出了一种命题时态概率逻辑，使智能体能够在随机环境中通过建模事实、事件和动作效果的概率随时间的变化来推理动作。该逻辑结合了模态逻辑与概率构造，以区分可能性、概率与真实性，支持对并发动作、动态条件以及随时间变化的不确定性的推理，并基于时态概率分布提供形式化的语义基础。

ABSTRACT

To operate intelligently in the world, an agent must reason about its actions. The consequences of an action are a function of both the state of the world and the action itself. Many aspects of the world are inherently stochastic, so a representation for reasoning about actions must be able to express chances of world states as well as indeterminacy in the effects of actions and other events. This paper presents a propositional temporal probability logic for representing and reasoning about actions. The logic can represent the probability that facts hold and events occur at various times. It can represent the probability that actions and other events affect the future. It can represent concurrent actions and conditions that hold or change during execution of an action. The model of probability relates probabilities over time. The logical language integrates both modal and probabilistic constructs and can thus represent and distinguish between possibility, probability, and truth. Several examples illustrating the use of the logic are given.

研究动机与目标

• 开发一个形式化框架，使智能体能够在不确定、动态的环境中推理动作。
• 表示动作如何随时间对未来的世界状态产生概率性结果。
• 在动作执行过程中对并发动作和变化的条件进行建模。
• 通过结合模态逻辑与概率构造，明确区分逻辑可能性、概率可能性与真实性。
• 为不确定环境中的时间、机会与动作效果提供统一的表示形式。

提出的方法

• 形式化一种命题时态概率逻辑，为不同时刻的事实与事件分配概率。
• 整合模态逻辑构造，以表达可能性与必然性，同时与概率陈述并列。
• 基于对可能世界的时序索引概率分布定义语义。
• 将动作效果表示为条件概率，取决于初始世界状态与动作选择。
• 通过建模多个事件同时发生的联合概率，支持并发动作。
• 使用逻辑公式表达动作以指定概率影响未来状态。

实验结果

研究问题

• RQ1 智能体如何在随机环境中，正式表示动作随时间的概率影响？
• RQ2 何种逻辑框架能够在动态、不确定的情境中区分可能性、概率与真实性？
• RQ3 如何在一个统一的概率推理系统中对并发动作与随时间变化的条件进行建模？
• RQ4 何种形式语义能够支持事实与事件在动作执行过程中的时间依赖性概率？
• RQ5 如何利用概率逻辑捕捉动作对未来状态的影响？

主要发现

• 所提出的逻辑能够成功表示事实在特定时间成立以及事件发生的概率。
• 该框架支持对动作对未来世界状态的概率影响进行建模。
• 它支持对并发动作以及在动作执行过程中演变的条件进行推理。
• 模态与概率构造的结合，使得可能性、概率与真实性得以清晰区分。
• 该逻辑为在不确定环境中推理时间、机会与动作效果提供了形式化基础。
• 通过示意性例子展示了该方法在建模现实世界随机动作场景中的表达能力。