목표 인식으로서의 계획 수립: 의도 모델로부터 유도된 휴리스틱 - 확장 버전

Planning as Goal Recognition: Deriving Heuristics from Intention Models - Extended Version

전통적인 계획 수립은 초기 상태를 목표 상태 중 하나로 변환하는 일련의 행동, 즉 계획을 찾는 것을 목표로 합니다. 만약 특정 경로가 목표에 도달하는 것처럼 보인다면, 우리는 해당 경로를 탐색하는 것을 우선시해야 할까요? 목표 인식(GR) 분야의 중요한 연구들은 GR을 전통적인 계획 문제로 정의하고, 전통적인 솔버와 휴리스틱을 사용하여 계획을 인식합니다. 본 연구에서는 GR에서 파생된 휴리스틱을 채택하여 전통적인 계획 문제 해결에 어떻게 활용될 수 있는지, 그리고 그 특성은 어떠한지를 연구합니다. 우리는 목표 의도를 평가하기 위한 새로운 프레임워크를 제안하며, 이를 통해 효율적으로 계산 가능한 새로운 유형의 휴리스틱을 개발합니다. 개념 증명으로서, 우리는 두 가지 휴리스틱을 개발하고, 이러한 휴리스틱이 현재 최고 성능을 보이는 전통적인 계획 수립 시스템의 성능을 향상시킬 수 있음을 보여줍니다. 본 연구는 계획 수립을 위한 확률적이고 의도 기반의 휴리스틱을 이해하고 도출하는 데 필요한 기초 지식을 제공합니다.

Classical planning aims to find a sequence of actions, a plan, that maps a starting state into one of the goal states. If a trajectory appears to be leading to the goal, should we prioritise exploring it? Seminal work in goal recognition (GR) has defined GR in terms of a classical planning problem, adopting classical solvers and heuristics to recognise plans. We come full circle, and study the adoption and properties of GR-derived heuristics for seeking solutions to classical planning problems. We propose a new framework for assessing goal intention, which informs a new class of efficiently-computable heuristics. As a proof of concept, we derive two such heuristics, and show that they can already yield improvements for top-scoring classical planners. Our work provides foundational knowledge for understanding and deriving probabilistic intention-based heuristics for planning.