Enabling MCTS Explainability for Sequential Planning Through Computation Tree Logic

要約

モンテカルロ ツリー検索 (MCTS) は、逐次計画タスク用の最も有能なオンライン検索アルゴリズムの 1 つであり、リソース割り当てや交通計画などの分野で重要な用途に使用されます。
実際の展開では優れたパフォーマンスを発揮しますが、MCTS は本質的に複雑なため、技術的な背景がないユーザーにとっては理解が困難です。
このペーパーでは、アルゴリズムが統合されて最適化されたルート計画を開発する、輸送ルーティング サービスにおける MCTS の使用について検討します。
これらの計画は、さまざまな制約と要件を同時に満たす必要があるため、現実世界のコンテキストでアルゴリズムの動作を説明する作業がさらに複雑になります。
この重大な研究ギャップに対処するために、MCTS 用の新しい計算ツリー ロジック ベースのエクスプローラーを導入します。
私たちのフレームワークは、ユーザー定義の要件を受け取り、言語テンプレートを使用してそれを厳密なロジック仕様に変換することから始まります。
次に、エクスプレナーには、MCTS アルゴリズムが通過する状態とアクションを検証する論理検証および定量的評価モジュールが組み込まれています。
この分析の結果は、2 番目の言語テンプレート セットを使用して、人間が判読できる説明テキストにレンダリングされます。
私たちのアプローチに対するユーザーの満足度は、82 人の参加者によるアンケートを通じて評価されました。
結果は、私たちの説明的アプローチがユーザーの好みにおいて他のベースラインを大幅に上回っていることを示しました。

要約(オリジナル)

Monte Carlo tree search (MCTS) is one of the most capable online search algorithms for sequential planning tasks, with significant applications in areas such as resource allocation and transit planning. Despite its strong performance in real-world deployment, the inherent complexity of MCTS makes it challenging to understand for users without technical background. This paper considers the use of MCTS in transportation routing services, where the algorithm is integrated to develop optimized route plans. These plans are required to meet a range of constraints and requirements simultaneously, further complicating the task of explaining the algorithm’s operation in real-world contexts. To address this critical research gap, we introduce a novel computation tree logic-based explainer for MCTS. Our framework begins by taking user-defined requirements and translating them into rigorous logic specifications through the use of language templates. Then, our explainer incorporates a logic verification and quantitative evaluation module that validates the states and actions traversed by the MCTS algorithm. The outcomes of this analysis are then rendered into human-readable descriptive text using a second set of language templates. The user satisfaction of our approach was assessed through a survey with 82 participants. The results indicated that our explanatory approach significantly outperforms other baselines in user preference.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google