对抗与协作环境中规划的统一框架

AI 系统的用户可能依赖其生成实现期望目标的规划。此类 AI 系统应能在对抗情形下计算保护隐私的混淆规划，以及在协作情形下便于队友理解的清晰规划。我们开发了一个统一框架，从部分知情观察者的视角计算具有期望可理解度水平的规划，以解决这两类问题。对于对抗设置，我们的方法生成观察结果与一组诱饵目标中至少 k 个目标一致的混淆规划。通过对框架稍作改动，我们提出一种协作设置中的目标清晰化方法，其生成的规划在实现某目标的同时与一组混淆目标中至多 j 个目标一致。此外，我们展示了在观察者已知目标时，如何控制观察者的可观察性以混淆或澄清规划中的后续动作。我们给出了关于问题复杂度分析的理论结果。我们利用物理机器人 Fetch 在烹饪领域演示了混淆与清晰规划的执行，并通过 IPC 领域提供实证评估以表明我们方法的可行性与有用性。