Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Depth-Bounded Epistemic Planning

Created by
  • Haebom

저자

Thomas Bolander, Alessandro Burigana, Marco Montali

개요

본 논문은 동적 인식 논리(DEL) 기반의 새로운 인식 계획 알고리즘을 제안한다. 계획 에이전트의 추론 깊이를 상한 b로 제한하여 최대 b차원의 고차 지식에 대해서만 추론할 수 있도록 하는 것이 핵심이다. b값을 반복적으로 증가시켜 최저 추론 깊이를 필요로 하는 계획을 계산한다. 새로운 유형의 "정준" b-비슷성 축약을 사용하여 구성에 의해 고유한 최소 모델을 보장한다. 이는 표준 비슷성 축약에 비해 더 작은 상태를 생성하고 방문한 상태를 효율적으로 확인할 수 있게 한다. 적절한 추론 깊이 한계 하에서 계획 알고리즘의 정확성과 완전성을 증명하고, b에 대한 시간 복잡도가 (b+1)-EXPTIME임을 보인다. 새로운 인식 계획 도구인 DAEDALUS에 알고리즘을 구현하고 기존의 EFP 2.0 계획 도구와 여러 벤치마크에서 비교하여 효과적인 성능 향상을 보였다.

시사점, 한계점

•
시사점:
◦
동적 인식 논리 기반 계획에서 추론 깊이 제한을 통한 효율적인 계획 생성 가능성 제시.
◦
새로운 b-비슷성 축약 기법을 통한 계산 비용 감소 및 성능 향상.
◦
DAEDALUS라는 새로운 인식 계획 도구 개발 및 기존 도구 대비 성능 우위 입증.
◦
추론 깊이 제한 하에서 계획 알고리즘의 정확성과 완전성 증명.
•
한계점:
◦
추론 깊이 상한 b에 대한 의존성: b값 설정에 따라 성능 및 정확성이 영향받을 수 있음.
◦
(b+1)-EXPTIME의 시간 복잡도: b가 커질수록 계산량이 기하급수적으로 증가할 수 있음.
◦
실험적 비교 대상의 제한: EFP 2.0과의 비교만 제시되어 더 다양한 계획 도구와의 비교 분석 필요.
◦
적절한 추론 깊이 한계에 대한 추가적인 연구 필요.
👍
Made with Slashpage