Planejamento Hierárquico Jacques Robin CIn-UFPE Planejamento de Ordem Parcial (POP) com linguagem STRIPS * mais expressivo que resolução de problema.

Slides:



Advertisements
Apresentações semelhantes
Planejamento Viviane Torres da Silva
Advertisements

Aula 8 Contratos.
Engenharia de Software
1 Domínios Finitos A eficiência das programas em domínios finitos (incluindo booleanos) podem ainda ser melhoradas pelo uso de Algoritmos de Propagação.
Engenharia de Software
Metodologias Orientadas a Agentes
Lógica de Programação Módulo II
Planejamento Clássico
Agentes Baseados em Conhecimento
DI - UFPE 1 Constraint Satisfaction Problems (CSP) nConceitos básicos nBusca cega simples e refinada nBusca heurística nCSP iterativo.
Agentes Baseados em Conhecimento
Planejamento e Execução
PLANEJADORES PRÁTICOS Jacques Robin DI-UFPE Planejamento de Ordem Parcial (POP) com linguagem STRIPS * mais expressivo que resolução de problema * porque.
Programação em lógica e lógica
Guia para Implantação de Testes em Pequenas e Médias Empresas de Software
Exame de Qualificação Silvio do Lago Pereira
Planejamento Hierárquico e Planejamento Reativo
Jacques Robin CIn-UFPE
INF 1771 – Inteligência Artificial
OS PROCESSOS DE CONSTRUÇÃO DE CONHECIMENTO MATEMÁTICO
INF 1771 – Inteligência Artificial
INF 1771 – Inteligência Artificial
Diagrama de Atividades
INF 1771 – Inteligência Artificial
1 Introdução aos Agentes Inteligentes Flávia Barros.
CIn-UFPE 1 Estendendo o Planejamento Clássico para Aplicações do Mundo Real Tempo, prazos e recursos.
Aula prática - análise contextual
Gerenciando Grandes Modelos (aula 10)
INF 1771 – Inteligência Artificial Aula 12 – Planejamento Edirlei Soares de Lima.
Planejamento e Solucionamento de Problemas Distribuídos
INF 1771 – Inteligência Artificial Aula 13 – Hierarchical Task Network (HTN) Edirlei Soares de Lima.
Fabíola Guerra Nakamura Vitor Alcântara Batista
Engenharia do Conhecimento Ernesto Trajano Jacques Robin CIn-UFPE.
Teoria e Implementação de Linguagens Computacionais – IF688
Resolução Distribuída de Problemas e Planejamento Multiagente
Estudo dos Conceitos e Paradigmas de Programação
Agentes que Trabalham Juntos
CSP: Semântica e Refinamento
Projeto de Banco de Dados
Modelos de Processo de Software
Como resolver problemas
Distributed Problem Solving and Distributed Planning Aydano Pamponet Giordano Ribeiro Prof. Jacques Robin.
CIn-UFPE 1 Estendendo o Planejamento Clássico para Aplicações do Mundo Real Tempo, prazos e recursos Planejamento hierárquico.
ALGORITMOS Intensivo Janeiro e Fevereiro de 2011
CSP-Z Disciplina: Especificação de Sistemas Distribuídos Mestrado em Ciências da Computação Aleciano Jr. Leonilson Barbosa
Planejamento Hierárquico e Planejamento em Jogos
Princípios da Programação em Prolog
Banco de Dados Aplicado ao Desenvolvimento de Software
Campus de Caraguatatuba Aula 2: Introdução a Tecnologia de BD
Aula01 – Técnicas de Programação II
Resolução de Problemas
Sistemas Especialistas
INF 1771 – Inteligência Artificial
Lambda Cálculo & Programação Funcional
Teste de Software 14: Geração de teste baseado em modelos: MBT
Refinamento Motivação e Objetivos –Tornar especificações mais concretas (mais próximas de uma implementação) que as desenvolvidas inicialmente –Aumentar.
A Linguagem Formal de Especificação VDM-SL
Ferramentas de Planejamento em IA Blackbox Planner.
PDDL: uma linguagem padrão para especificação de problemas e heurísticas de planejamento Jacques Robin CIn-UFPE.
Agentes que Trabalham Juntos Fechando Negócios... Coordenando Ações Planejamento Parcial Global E quando não dá certo? O Resumo da Ópera.
Modelos Baseados em Agentes Coordenação. Coordenação Coordenação = Coordenar ações distribuição + planejamento Resolução Distribuída de Problemas Problemas.
Desenvolvimento de Sistemas Baseados em Conhecimento Planejamento com Tempo, Prazos e Recursos Planejamento Hierárquico.
Influencias sobre o Projeto da Linguagem
Casamento de Esquemas IAGO RAPHAEL VASCONCELOS MARINHO.
Aplicação de Métodos Formais no Desenvolvimento de Sistemas Multimídia Distribuídos Cláudia Araújo Ribeiro UFPE Junho/2000.
Planejamento Baseado em Lógica – André Novaes – CIn UFPE 1 Planejamento Baseado em Lógica André Novaes CIn - UFPE.
CIn- UFPE 1 Resolução de Problemas. CIn- UFPE ? Agente solucionador de problemas O agente reativo Escolhe suas ações com base.
1 Planejamento Clássico (Planning) Russel, S. Norvig, P.: Inteligência Artificial (segunda edição) 28 SET 09 Igor R M Menezes.
Modelagem de Banco de Dados: Conceitos
Transcrição da apresentação:

Planejamento Hierárquico Jacques Robin CIn-UFPE

Planejamento de Ordem Parcial (POP) com linguagem STRIPS * mais expressivo que resolução de problema * porque usa a lógica para representar operadores declarativamente e composicionalmente * restrição da lógica da 1a ordem com cálculo das situações * restrito demais para domínios complexos de muitas aplicações reais * necessidade de achar um melhor compromisso expressividade/eficiência * aumentar formalismo e relaxar algumas restrições

Limitações de POP-STRIPS * Planejamento a um único nível de granularidade: de POP-STRIPS para POP-HAD-STRIPS * Precondições e efeitos não contextuais: de POP-STRIPS para POP-DUNC * Representação do tempo: de POP-STRIPS para POP-TI-STRIPS * Representação de recursos globalmente limitados: de POP-STRIPS para POP-RC-STRIPS * As aplicações reais mais complexas requerem: POP-TIRC-HAD-DUNC! :)

Decomposição Hierárquica: Planejar com refinamento incremental * Hierarquia de operadores abstratos: não direitamente executáveis (não primitivos) com várias decomposições em termos de ações menos abstratas * Construir POP inicial ao maior nível de abstração * Recursivamente decompor ações abstratas * Até POP final conter apenas de ações primitivas * Verificar consistência global do POP final * Sub-POPs largamente independentes: espaço de busca reduzido conhecimento composicional uso e reuso de sub-POPs pre-fabricados ou já planejados

Decompose(o,p) Decompose(Construction, Plan(STEPS:{S 1 :Build(Foundation),S 2 :Build(Frame), S 3 : Build(Roof), S 4 :Build(Walls), S 5 : Build(Interior)} Orderings:{S 1 <S 2 <S 3 <S 5, S 2 <S 4 <S 5 }, Bindings:{}, Links:{S 1 Foundation S 2, S 2 Frame S 3, S 2 Frame S 4, S 3 Roof S 5, S 4 Walls S 5 })) Exemplo de operador não primitivo

Exemplo de decomposição hierárquica Build House Obtain Permit Hire Builder Pay Builder Construction Decomposes to Build Frame Build Roof Build Walls Build Interior Build Foundation Decomposes to

Function POP-DH(plan,operators,methods) return plan inputs: plan, an abstract plan with start and goal steps( and possibly other steps) loop do if Solution?(plan) then return plan S need, c Select-Sub-Goal(plan) Choose-Operator(plan,operators,S need,c) S nomprim Select-Nonprimitive(plan) Choose-Decomposition((plan,methods,S nonprim ) Resolve-Threats(plan) end POP-HD-SCRIPT

Solução abstrata x primitiva * P solução abstrata para O, se P decomposição consistente e completa de O a um nível de abstração dado, i.e., se 1. P é internamente consistente. 2. todo efeito de O é atingido por pelo menos 1 passo de P. 3. toda pré-condição dos passos de P é satisfeita por um passo em P ou ser uma das pré-condições de O * P solução primitiva para O, se P verifica 1, 2, 3 e também: 4. todo passo de P é primitivo

Propriedades necessárias para garantir POP- HD mais eficiente do que POP * Downward solution property (DSP): P solução abstrata => P abstração de pelo menos uma solução primitiva P1 * Upward solution property (USP): P plano abstrato inconsistente => P abstração de nenhuma solução primitiva P1 * Ação principal: sub-ação A1 de ação abstrata A conectada a todas as pré-condições e efeitos de A

Propriedades necessárias para garantir POP- HD mais eficiente do que POP * DSP e USP nem sempre verificadas * Toda decomposição de toda ação abstrata contém uma única ação principal => USP verificada * DSP ou USP verificada => pior caso da busca para uma solução primitiva drasticamente reduzida * Mesmo quando DSP ou USP não são verificadas, detalhar soluções abstratas em primeiro ainda é uma boa heurística

efeito ~watch de GiveComb ameaça precond watch de GiveChain efeito ~hair de GiveChain ameaça precond hair de GiveComb Upward solution property: contra-exemplo

Busca e decomposição hierárquica * Consistente incompleto * Consistente completo * Downward Solution Property * Inconsistente * X: pode ser podado * Upward Solution Property X X XXXX XXX XXXXXX

Decomposição e compartilhamento * Maioria das decomposições das ações abstratas independentes umas das outras * Mas as vezes a única solução primitiva envolve compartilhamento de ações entre decomposições * 2 possibilidades: quando escolher decomposição de uma ação abstrata, verificar oportunidades e restrições de compartilhamento escolher decomposição sem compartilhamento, e depois usar regras de revisão (chamadas críticas) para tornar o plano primitivo resultante em uma solução com ações corretamente compartilhadas

Exemplo da necessidade de compartilhar Curtir lua de mel & fazer bebê Casar-se Ir para lua de mel Ter bebê Curtir Lua-de-mel & fazer bebê Casar-se & ir para lua-de-mel Casar-se & ter um bebê

De POP-HD-STRIPS para POP-HAD STRIPS * 2 formas ortogonais de planejamento hierárquico: hierarquia de ações de vários níveis de abstração para decomposição hierarquia de precondições de vários níveis de prioridade para aproximação * Podem ser combinadas para reduzir busca: começar por planos completos e consistentes embora abstratos e aproximativos * Exemplo de operador com precondições a 3 níveis de prioridades: Op(Action:Buy(x), Effect:Have(x) ^ ¬Have(Money), Precond:1:Sells(store,x) 2:At(store) 3:Have(Money)) * Hierarquia de aproximação   ! Ação principal  UDP verificada