基于OBDD的非确定性领域中同步智能体的通用规划
人工智能
2011-06-02 v1
摘要
最近，模型检测表示和搜索技术被证明可以有效应用于规划，特别是非确定性规划。此类规划方法使用有序二叉决策图（OBDD）将规划域编码为非确定性有限自动机，然后应用模型检测中的快速算法来搜索解。OBDD可以有效扩展，并为复杂规划域提供通用规划。我们特别关注解决非确定性、多智能体领域中出现的复杂性。在本文中，我们提出了UMOP，一个用于非确定性、多智能体领域的新的基于OBDD的通用规划框架。我们引入了一种新的规划域描述语言NADL，用于描述非确定性、多智能体领域。该语言贡献了可控智能体和不可控环境智能体的明确定义。我们描述了NADL的语法和语义，并展示了如何构建NADL描述的高效OBDD表示。UMOP规划系统使用NADL和不同的基于OBDD的通用规划算法。它包括先前开发的强规划和强循环规划算法。此外，我们引入了新的乐观规划算法，该算法放宽了最优性保证，并在某些不存在强解或强循环解的领域中生成可行的通用规划。我们展示了将UMOP应用于从确定性和单智能体（无环境动作）到非确定性和多智能体（具有复杂环境动作）领域的实验结果。UMOP被证明是一个丰富且高效的规划系统。
引用
@article{arxiv.1106.0229,
title = {OBDD-based Universal Planning for Synchronized Agents in Non-Deterministic Domains},
author = {R. M. Jensen and M. M. Veloso},
journal= {arXiv preprint arXiv:1106.0229},
year = {2011}
}