机器人学中的任务规划：基于 PDDL 与基于 ASP 系统的实证比较
人工智能
2019-02-27 v3
摘要
机器人需要任务规划算法来将动作排序，以完成单个动作无法达成的目标。智能机器人从业者可使用现成的任务规划器来解决各类规划问题。然而，存在许多不同的规划器，各自具有不同的优势与劣势，且对于给定问题应最佳地应用哪种规划器并无通用规则。在本文中，我们实证比较了使用规划领域描述语言（Planning Domain Description Language, PDDL）或答案集编程（Answer Set Programming, ASP）作为底层动作语言的最先进规划器的性能。PDDL 专为任务规划而设计，基于 PDDL 的规划器被广泛用于各类规划问题。ASP 专为知识密集型推理而设计，但也可用于求解任务规划问题。在尽可能相似的领域编码下，我们发现基于 PDDL 的规划器在解较长的问题上表现更好，而基于 ASP 的规划器在对象数量庞大或需要复杂推理来判断动作前提与效果的任务上更优。所得分析可为特定机器人任务规划领域中选择通用规划系统提供参考。
引用
@article{arxiv.1804.08229,
title = {Task Planning in Robotics: an Empirical Comparison of PDDL-based and ASP-based Systems},
author = {Yuqian Jiang and Shiqi Zhang and Piyush Khandelwal and Peter Stone},
journal= {arXiv preprint arXiv:1804.08229},
year = {2019}
}