Multi-Agent Planning and Diagnosis with Commonsense Reasoning
Multi-Agent Planning and Diagnosis with Commonsense Reasoning
复制标题
具有常识推理的多智能体规划和诊断
DOI：
10.1145/3627676.3627690
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
Kalech, Meir
中科院分区：
文献类型：
--
作者：
Son, Tran Cao;Yeoh, William;Stern, Roni;Kalech, Meir
在多智能体系统中，多智能体规划和诊断是两个关键的子领域-多智能体规划方法确定智能体执行的计划以达到其目标，多智能体诊断方法通常通过使用来自多智能体规划模型的信息以及产生的多智能体计划来识别故障发生的根本原因。然而，当计划在执行过程中失败时，原因通常与一些常识信息有关，这些信息既不是明确编码在计划中，也不是诊断问题。因此，现有的诊断方法无法准确地确定在这种情况下的根本原因，为了弥补这一局限性，我们扩展了多智能体规划问题（一个共同的多智能体规划框架）的常识多智能体规划模型，其中包括常识的流畅性和公理，可能会影响经典的规划问题。我们表明，一个（经典的）多智能体CNOPS问题的解决方案也是一个解决方案的常识相同的问题的变体。然后，我们提出了一个分散的多智能体诊断算法，它使用的常识信息诊断故障时，他们在执行过程中发生。最后，我们证明了这种方法的可行性和承诺的几个关键的多智能体规划基准。
In multi-agent systems, multi-agent planning and diagnosis are two key subfields – multi-agent planning approaches identify plans for the agents to execute in order to reach their goals, and multi-agent diagnosis approaches identify root causes for faults when they occur, typically by using information from the multi-agent planning model as well as the resulting multi-agent plan. However, when a plan fails during execution, the cause can often be related to some commonsense information that is neither explicitly encoded in the planning nor diagnosis problems. As such existing diagnosis approaches fail to accurately identify the root causes in such situations.To remedy this limitation, we extend the Multi-Agent STRIPS problem (a common multi-agent planning framework) to a Commonsense Multi-Agent STRIPS model, which includes commonsense fluents and axioms that may affect the classical planning problem. We show that a solution to a (classical) Multi-Agent STRIPS problem is also a solution to the commonsense variant of the same problem. Then, we propose a decentralized multi-agent diagnosis algorithm, which uses the commonsense information to diagnose faults when they occur during execution. Finally, we demonstrate the feasibility and promise of this approach on several key multi-agent planning benchmarks.
登录
查看更多内容
影响因子：
14.4
作者：
Meir Kalech;G. Kaminka
通讯作者：
G. Kaminka
基于学习的诊断和修复
DOI：
--
发表时间：
2017
期刊：
BNCAI
影响因子：
--
作者：
N. Roos
通讯作者：
N. Roos
使用 A-Prolog 进行诊断推理
影响因子：
1.4
作者：
M. Balduccini;M. Gelfond
通讯作者：
M. Gelfond
DOI：
--
发表时间：
2012-06
期刊：
--
影响因子：
--
作者：
Raz Nissim;R. Brafman
通讯作者：
Raz Nissim;R. Brafman
通过基于模型的诊断和一致性规划进行操作故障恢复
DOI：
--
发表时间：
2013
期刊：
International Conference on Climate Informatics
影响因子：
--
作者：
Roberto Micalizio
通讯作者：
Roberto Micalizio