FAQ
© 2015 Staats- und Universitätsbibliothek
Hamburg, Carl von Ossietzky

Öffnungszeiten heute09.00 bis 24.00 Uhr alle Öffnungszeiten

Eingang zum Volltext in OPUS

Hinweis zum Urheberrecht

Dissertation zugänglich unter
URN: urn:nbn:de:gbv:18-61892
URL: http://ediss.sub.uni-hamburg.de/volltexte/2013/6189/


Hierarchical Plan-based Robot Control in Open-Ended Environments

Hierarchische planungsbasierte Robotersteuerung in offenen Umgebungen

Off, Dominik Manuel

pdf-Format:
 Dokument 1.pdf (12.401 KB) 


SWD-Schlagwörter: Künstliche Intelligenz
Freie Schlagwörter (Deutsch): Planungsbasierte Robotersteuerung , Handlungsplanung
Freie Schlagwörter (Englisch): Plan-Based Robot Control , HTN Planning
Basisklassifikation: 54.72
Institut: Informatik
DDC-Sachgruppe: Informatik
Dokumentart: Dissertation
Hauptberichter: Zhang, Jianwei (Prof. Dr.)
Sprache: Englisch
Tag der mündlichen Prüfung: 15.03.2013
Erstellungsjahr: 2012
Publikationsdatum: 31.05.2013
Kurzfassung auf Englisch: 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.
Kurzfassung auf Deutsch: Künstliche Agenten müssen zukünftige Aktionen planen, um gegebene Aufgaben autonom und flexibel ausführen zu können. Bestehende Planungsansätze können genutzt werden, um künstliche Agenten zu einem gewissen Grad mit Autonomie und Robustheit auszustatten.

Typischerweise ist die Flexibilität von bestehenden Ansätzen durch die Annahmen beschränkt, dass alle relevanten Informationen von vornherein vorhanden sind und ein vollständiger Plan in einem einzigen, monolithischen Planungsprozess, vor der Ausführung von Aktionen, generiert werden kann.

Die Nutzung von offenen Domänenmodellen, die in der Lage sind, die aktive Akquirierung von relevanten Informationen zu berücksichtigen, ist bisher vergleichsweise wenig berücksichtigt worden.

Diese Arbeit beschreibt einen neuen hierarchischen Planungsansatz, der bestehende Ansätze erweitert, indem er zusätzlich hierarchische Zerlegungen berücksichtigt, die lediglich bezüglich einer konsistenten Erweiterung des aktuellen (offenen) Domänenmodells anwendbar sind. Der eingeführte Planungsansatz ist dergestalt in eine planungsbasierte Kontrollarchitektur integriert, dass sich die Generierung und Ausführung von (partiellen) Plänen abwechselt, sodass fehlende Informationen mittels aktiver Wissensakquirierung ermittelt werden können. Das planungsbasierte Kontrollsystem ist in der Lage automatisch zu erkennen, welche Informationen für die aktuelle Aufgabe relevant sind und wie diese Informationen ermittelt werden können. Der Planer verschiebt die weitere Zerlegung eines Plans auf einen späteren Zeitpunkt, wann immer es sinnvoller oder sogar notwendig ist, zusätzliche Informationen vor der Fortführung des Planungsprozesses zu ermitteln. Die Planung und Ausführung von entsprechenden Wissensakquirierungsaufgaben wird automatisch in den gesamten Ausführungs- und Planungsprozess integriert.

Experimente in einer realen und einer simulationsbasierten Umgebung demonstrieren, dass dieser Ansatz einen Roboter dazu befähigen kann, Aufgaben autonom auszuführen, obwohl eine Vielzahl von relevanten Informationen nicht a priori vorhanden ist.

Zugriffsstatistik

keine Statistikdaten vorhanden
Legende