Capturing (Optimal) Relaxed Plans with Stable and Supported Models of Logic Programs

要約

私たちは、リラックス プランニングとしても知られる AI プランニング コミュニティの重要なタスクである、削除のないプランニングとロジック プログラミングの間の新しい関係を確立します。
計画問題が与えられた場合、その問題に対する緩和計画を作成するように命令できるアクションのすべてのサブセットは、対応する緩和計画問題を記述する論理プログラムの安定したモデルで全単射的に捉えることができることを示します。
また、論理プログラムのサポートされているモデルのセマンティクスも考慮し、緩和計画問題の 1 つの因果エンコーディングと 1 つの診断エンコーディングを論理プログラムとして導入し、どちらもサポートされているモデルで緩和計画をキャプチャします。
私たちの実験結果は、これらの新しいエンコーディングが、最適な緩和計画を計算する際に大幅なパフォーマンス向上をもたらすことが示されており、STRIPS 計画の幅広いコレクションで測定した場合、診断エンコーディングは、指定された時間制限に関係なく、緩和計画に対する最先端のアプローチよりも優れたパフォーマンスを示します。
ベンチマーク。

要約(オリジナル)

We establish a novel relation between delete-free planning, an important task for the AI Planning community also known as relaxed planning, and logic programming. We show that given a planning problem, all subsets of actions that could be ordered to produce relaxed plans for the problem can be bijectively captured with stable models of a logic program describing the corresponding relaxed planning problem. We also consider the supported model semantics of logic programs, and introduce one causal and one diagnostic encoding of the relaxed planning problem as logic programs, both capturing relaxed plans with their supported models. Our experimental results show that these new encodings can provide major performance gain when computing optimal relaxed plans, with our diagnostic encoding outperforming state-of-the-art approaches to relaxed planning regardless of the given time limit when measured on a wide collection of STRIPS planning benchmarks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google