Volltextdatei(en) vorhanden
Titel: Hierarchical Plan-based Robot Control in Open-Ended Environments
Sonstige Titel: Hierarchische planungsbasierte Robotersteuerung in offenen Umgebungen
Sprache: Englisch
Autor*in: Off, Dominik Manuel
Schlagwörter: Planungsbasierte Robotersteuerung; Handlungsplanung; Plan-Based Robot Control; HTN Planning
GND-Schlagwörter: Künstliche Intelligenz
Erscheinungsdatum: 2012
Tag der mündlichen Prüfung: 2013-03-15
Zusammenfassung: 
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.

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.
URL: https://ediss.sub.uni-hamburg.de/handle/ediss/4923
URN: urn:nbn:de:gbv:18-61892
Dokumenttyp: Dissertation
Betreuer*in: Zhang, Jianwei (Prof. Dr.)
Enthalten in den Sammlungen:Elektronische Dissertationen und Habilitationen

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat  
Dissertation.pdf12.4 MBAdobe PDFÖffnen/Anzeigen
Zur Langanzeige

Diese Publikation steht in elektronischer Form im Internet bereit und kann gelesen werden. Über den freien Zugang hinaus wurden durch die Urheberin / den Urheber keine weiteren Rechte eingeräumt. Nutzungshandlungen (wie zum Beispiel der Download, das Bearbeiten, das Weiterverbreiten) sind daher nur im Rahmen der gesetzlichen Erlaubnisse des Urheberrechtsgesetzes (UrhG) erlaubt. Dies gilt für die Publikation sowie für ihre einzelnen Bestandteile, soweit nichts Anderes ausgewiesen ist.

Info

Seitenansichten

48
Letzte Woche
Letzten Monat
geprüft am 17.04.2021

Download(s)

26
Letzte Woche
Letzten Monat
geprüft am 17.04.2021
Werkzeuge

Google ScholarTM

Prüfe