Hierarchical Plan-based Robot Control in Open-Ended Environments
Dominik Off · 2013
Artificial agents need to plan their future course of action for the purpose of autonomously and flexibly performing tasks. State-of-the-art planning techniques can provide artificial agents to a certain degree with autonomy and robustness. However, previous planning approaches are typically limited by the fact that they are based on the assumptions that all relevant information is initially available and a complete plan can be generated in a single, monolithic process prior to executing any action. Comparatively little attention has been paid to the need for planning with incomplete, open-ended domain models that enable the reasoning about the active acquisition of relevant but missing information. This thesis introduces a novel hierarchical planning approach that extends previous approaches by additionally considering decompositions that are only applicable with respect to a consistent extension of the (open-ended) domain model at hand. The introduced planning approach is integrated into a plan-based control architecture that interleaves planning and execution automatically so that missing information can be acquired by means of active knowledge acquisition. The plan-based control system can automatically determine what information is relevant for a task at hand as well as what information can be acquired by the corresponding agent. Whenever it is more reasonable, or even necessary, to acquire additional information prior to making the next planning decision, the planner postpones the overall planning process, and the execution of appropriate knowledge acquisition tasks is automatically integrated into the overall planning and execution process. Real-world and simulation-based evaluation results demonstrate that this approach enables a physical robot agent to perform tasks even if no knowledge about the dynamic aspects of the environment is available a priori. Kunstliche Agenten mussen zukunftige Aktionen planen, um gegebene Aufgaben autonom und flexibel ausfuhren zu konnen. Bestehende Planungsansatze konnen genutzt werden, um kunstliche Agenten zu einem gewissen Grad mit Autonomie und Robustheit auszustatten. Typischerweise ist die Flexibilitat von bestehenden Ansatzen durch die Annahmen beschrankt, dass alle relevanten Informationen von vornherein vorhanden sind und ein vollstandiger Plan in einem einzigen, monolithischen Planungsprozess, vor der Ausfuhrung von Aktionen, generiert werden kann. Die Nutzung von offenen Domanenmodellen, die in der Lage sind, die aktive Akquirierung von relevanten Informationen zu berucksichtigen, ist bisher vergleichsweise wenig berucksichtigt worden. Diese Arbeit beschreibt einen neuen hierarchischen Planungsansatz, der bestehende Ansatze erweitert, indem er zusatzlich hierarchische Zerlegungen berucksichtigt, die lediglich bezuglich einer konsistenten Erweiterung des aktuellen (offenen) Domanenmodells anwendbar sind. Der eingefuhrte Planungsansatz ist dergestalt in eine planungsbasierte Kontrollarchitektur integriert, dass sich die Generierung und Ausfuhrung von (partiellen) Planen abwechselt, sodass fehlende Informationen mittels aktiver Wissensakquirierung ermittelt werden konnen. Das planungsbasierte Kontrollsystem ist in der Lage automatisch zu erkennen, welche Informationen fur die aktuelle Aufgabe relevant sind und wie diese Informationen ermittelt werden konnen. Der Planer verschiebt die weitere Zerlegung eines Plans auf einen spateren Zeitpunkt, wann immer es sinnvoller oder sogar notwendig ist, zusatzliche Informationen vor der Fortfuhrung des Planungsprozesses zu ermitteln. Die Planung und Ausfuhrung von entsprechenden Wissensakquirierungsaufgaben wird automatisch in den gesamten Ausfuhrungs- und Planungsprozess integriert. Experimente in einer realen und einer simulationsbasierten Umgebung demonstrieren, dass dieser Ansatz einen Roboter dazu befahigen kann, Aufgaben autonom auszufuhren, obwohl eine Vielzahl von relevanten Informationen nicht a priori vorhanden ist.