example given earlier. Each HLA has

example given earlier. Each HLA has one or more possible refinements, into a sequence1REFINEMENT of actions, each of which may be an HLA or a primitive action (which has no refinements by definition). For example, the action “Go to San Francisco airport,” represented formally as Go (Home, SFO), might have two possible refinements, as shown in Figure 11.4. The same figure shows a recursive refinement for navigation in the vacuum world: to get to a destination, take a step, and then go to the destination. These examples show that high-level actions and their refinements embody knowledge about how to do things. For instance, the refinements for Go (Home, SFO) say that to get to the airport you can drive or take a taxi; buying milk, sitting down, and moving the knight to e4 are not to be considered. An HLA refinement that contains only primitive actions is called an implementation of the HLA. For example, in the vacuum world, the sequences [Right, Right, Down] and [Down, Right, Right] both implement the HLA Navigate ([1,3], [3,2]). An implementation of a high-level plan (a sequence of HLAs) is the concatenation of implementations of each HLA in the sequence. Given the precondition–effect definitions of each primitive action, it is straightforward to determine whether any given implementation of a high-level plan achieves the goal. We can say, then, that a high-level plan achieves the goal from a given state if at least one of its implementations achieves the goal from that state. The “at least one” in this definition is crucial — not all implementations need to achieve the goal, because the agent gets to decide which implementation it will execute. Thus, the set of possible implementations in HTN planning —each of which may have a different outcome — is not the same as the set of possible outcomes in nondeterministic planning. There, we required that a plan work for all outcomes because the agent doesn’t get to choose the outcome; nature does. The simplest case is an HLA that has exactly one implementation. In that case, we can compute the preconditions and effects of the HLA from those of the implementation (see Exercise 11.3) and then treat the HLA exactly as if it were a primitive action itself. It can be shown that the right collection of HLAs can result in the time complexity of blind search dropping from exponential in the solution depth to linear in the solution depth, although devising such a collection of HLAs may be a nontrivial task in itself. When HLAs have multiple possible implementations, there are two options: one is to search among the implementations for one that works, as in Section 11.2.2; the other is to reason directly about the HLAs — despite the multiplicity of implementations — as explained in Section 11.2.3. The latter method enables the derivation of provably correct abstract plans, without the need to consider their implementations.
11.2.2 Searching for primitive solutions
HTN planning is often formulated with a single “top level” action called Act, where the aim is to find an implementation of Act that achieves the goal. This approach is entirely general. For example, classical planning problems can be defined as follows: for each primitive action ai, provide one refinement of Act with steps [ai, Act]. That creates a recursive definition of Act that lets us add actions. But we need some way to stop the recursion; we do that by providing one more refinement for Act, one with an empty list of steps and with a precondition equal to the goal of the problem. This says that if the goal is already achieved, then the right implementation is to do nothing. The approach leads to a simple algorithm: repeatedly choose an HLA in the current plan and replace it with one of its refinements, until the plan achieves the goal. One possible implementation based on breadth-first tree search is shown in Figure 11.5. Plans are considered in order of depth of nesting of the refinements, rather than number of primitive steps. It is straightforward to design a graph-search version of the algorithm as well as depth-first and iterative deepening versions. In essence, this form of hierarchical search explores the space of sequences that conform to the knowledge contained in the HLA library about how things are to be done. A great deal of knowledge can be encoded, not just in the action sequences specified in each refinement but also in the preconditions for the refinements. For some domains, HTN planners have been able to generate huge plans with very little search. For example, O-PLAN (Bell and Tate, 1985), which combines HTN planning with scheduling, has been used to develop production plans for Hitachi. A typical problem involves a product line of 350 different products, 35 assembly machines, and over 2000 different operations. The planner generates a 30-day schedule with three 8-hour shifts a day, involving tens of millions of steps. Another important aspect of HTN plans is that they are, by definition, hierarchically structure

Kết quả (Việt) 1:

Ví dụ được đưa ra trước đó. HLA từng có một hoặc nhiều hơn có thể refinements, vào sequence1REFINEMENT của hành động, mỗi trong số đó có thể là một HLA hoặc một hành động nguyên thủy (trong đó có refinements không bởi definition). Ví dụ, các hành động "Đi đến San Francisco airport," đại diện chính thức như đi (nhà, SFO), có thể có hai thể refinements, như minh hoạ trong hình 11,4. figure cùng một cho thấy một refinement đệ quy cho điều hướng trong thế giới chân không: để có được một điểm đến, đi một bước, và sau đó đi đến đích. Những ví dụ cho thấy hành động trình độ cao và refinements của họ thể hiện kiến thức về làm thế nào để làm điều này. Ví dụ, refinements cho Go (Home, SFO) nói rằng để có được đến sân bay bạn có thể lái xe hoặc đi taxi; mua sữa, ngồi xuống và di chuyển các hiệp sĩ đến e4 là không phải là để được xem xét. Một refinement HLA chứa chỉ hành động nguyên thủy được gọi là một việc thực hiện HLA. Ví dụ, trong thế giới chân không, các chuỗi [ngay, phải, xuống] và [xuống, phải, phải] cả hai thực hiện điều hướng HLA ([1,3], [3,2]). Việc thực hiện một kế hoạch cấp cao (một dãy HLAs) là nối hiện thực của mỗi HLA trong trình tự. Được definitions kiện-tác dụng của mỗi hành động nguyên thủy, nó là đơn giản để xác định cho dù bất kỳ thực hiện một kế hoạch cấp cao nhất định đạt được mục tiêu. Chúng tôi có thể nói, sau đó, một kế hoạch cấp cao đạt được mục tiêu từ một trạng thái nhất định nếu ít nhất một hiện thực của nó đạt được mục tiêu từ tiểu bang đó. Các "ít nhất một" trong definition này là rất quan trọng-không phải tất cả triển khai cần để đạt được mục tiêu, bởi vì các đại lý được thực hiện mà nó sẽ thực hiện quyết định. Vì vậy, các thiết lập có thể triển khai ở HTN quy hoạch — mỗi trong số đó có thể có một kết quả khác nhau-là không giống như các thiết lập của kết quả có thể lập kế hoạch nondeterministic. Có, chúng tôi yêu cầu rằng một kế hoạch làm việc cho tất cả kết quả bởi vì các đại lý không có thể chọn kết quả; bản chất không. Trường hợp đơn giản nhất là một HLA đã thực hiện một cách chính xác. Trong trường hợp đó, chúng tôi có thể tính toán các điều kiện tiên quyết và tác dụng của HLA từ những người thực hiện (xem tập thể dục 11.3) và sau đó xử lý HLA chính xác như thể nó là một hành động nguyên thủy chính nó. Nó có thể được hiển thị đúng bộ sưu tập của HLAs có thể dẫn đến phức tạp thời gian của người mù tìm rơi từ mũ sâu giải pháp tuyến tính trong sâu giải pháp, mặc dù đặt ra một bộ sưu tập của HLAs có thể là một nhiệm vụ nontrivial trong chính nó. Khi HLAs đã triển khai nhiều nhất có thể, hiện có hai lựa chọn: một là để tìm kiếm trong số các hiện thực cho một hoạt động, như trong phần 11.2.2; khác là lý do trực tiếp về các HLAs-mặc dù có sự đa dạng của thực thi — như được diễn tả trong phần 11.2.3. Phương pháp thứ hai cho phép các derivation provably đúng kế hoạch trừu tượng, mà không cần phải xem xét việc triển khai của họ.11.2.2 tìm kiếm giải pháp nguyên thủyHTN có kế hoạch thường được xây dựng với một hành động đơn "cấp cao", được gọi là đạo luật, mà mục đích là để nhiều một thực hành động đạt được mục tiêu. Cách tiếp cận này là hoàn toàn chung. Ví dụ: vấn đề lập kế hoạch cổ điển có thể là defined như sau: đối với mỗi hành động nguyên thủy cầm, cung cấp cho một refinement của hành động bước [ai, đạo luật]. Tạo ra một definition đệ quy của đạo luật cho phép chúng tôi thêm hành động. Nhưng chúng ta cần một số cách để ngăn chặn đệ quy; chúng tôi làm điều đó bằng cách cung cấp một thêm refinement cho hành động, một với một danh sách rỗng các bước, và với một điều kiện tiên quyết bằng đến mục tiêu của vấn đề. Điều này nói rằng nếu mục tiêu đã đạt được, sau đó thực hiện đúng là để không phải làm gì. Cách tiếp cận này dẫn đến một thuật toán đơn giản: liên tục chọn một HLA trong kế hoạch hiện thời và thay thế nó bằng một trong refinements của nó, cho đến khi kế hoạch đạt mục tiêu. Một trong những có thể thực hiện dựa trên chiều rộng-vòng cây tìm được thể hiện trong hình 11.5. Kế hoạch được coi là trong trật tự của sâu làm tổ của các refinements, chứ không phải là số nguyên thủy bước. Nó là đơn giản để thiết kế một phiên bản đồ thị tìm kiếm của thuật toán cũng như độ sâu-vòng lặp đi lặp lại làm sâu sắc thêm các phiên bản. Về bản chất, đây là hình thức thứ bậc tìm khám phá không gian trình tự phù hợp với kiến thức chứa trong thư viện HLA về làm thế nào những điều được thực hiện. Một thỏa thuận tuyệt vời của kiến thức có thể được mã hóa, không chỉ ở specified Chuỗi hành động trong mỗi refinement nhưng cũng có thể trong các điều kiện tiên quyết cho các refinements. Đối với một số lĩnh vực, HTN nhà kế hoạch đã có thể tạo ra các kế hoạch lớn với rất ít tìm. Ví dụ: O-kế HOẠCH (Bell và Tate, 1985), kết hợp lập kế hoạch HTN với lập kế hoạch, đã được sử dụng để phát triển các kế hoạch sản xuất cho Hitachi. Một vấn đề điển hình liên quan đến một dòng sản phẩm của 350 sản phẩm khác nhau, 35 lắp ráp máy móc và hơn 2000 các hoạt động khác nhau. Công cụ hoạch định tạo ra một lịch trình 30 ngày với ba thay đổi 8 giờ một ngày, liên quan đến hàng chục triệu bước. Một khía cạnh quan trọng của kế hoạch HTN là họ, bởi definition, hierarchically cấu trúc

Kết quả (Việt) 2:

ví dụ đưa ra trước đó. Mỗi HLA có một hoặc nhiều nements tái fi có thể, vào một sequence1REFINEMENT các hành động, mỗi trong số đó có thể là một HLA hoặc một hành động thô sơ (mà không có tái nements fi bằng cách định nghĩa fi de). Ví dụ, các hành động "Về đến sân bay San Francisco," đại diện chính thức như Go (Home, SFO), có thể có hai nements fi lại có thể, như thể hiện trong hình 11.4. Các fi cùng Hình vẽ cho thấy một sự tái fi nement đệ quy để điều hướng trong thế giới chân không: để có được một điểm đến, một bước, và sau đó đi đến đích. Những ví dụ này cho thấy rằng các hành động cấp cao và nements fi lại của họ thể hiện kiến thức về làm thế nào để làm việc. Ví dụ, việc tái nements fi cho Go (Home, SFO) nói rằng để có được đến sân bay bạn có thể lái xe hoặc đi taxi; mua sữa, ngồi xuống, và di chuyển các hiệp sĩ để e4 không được xem xét. Một HLA tái fi nement chỉ chứa các hành động thô sơ được gọi là một thực hiện của HLA. Ví dụ, trong thế giới chân không, các chuỗi [Right, Right, Down] và [Down, Right, Right] cả hai thực hiện HLA hướng ([1,3], [3,2]). An thực hiện một kế hoạch cấp cao (một chuỗi các HLAs) là phép nối hiện thực của mỗi HLA trong chuỗi. Với những điều kiện tiên quyết, ảnh hưởng de fi nitions của mỗi hành động nguyên thủy, nó là đơn giản để xác định xem có bất kỳ thực hiện trước một kế hoạch cấp cao đạt được mục tiêu. Chúng tôi có thể nói, sau đó, rằng một kế hoạch cấp cao đạt được các mục tiêu từ một trạng thái nhất định khi có ít nhất một trong những hiện thực của nó đạt được mục tiêu từ trạng thái đó. Các "ít nhất một" trong định nghĩa fi de này là rất quan trọng - không phải tất cả hiện thực cần phải đạt được mục tiêu, bởi vì các đại lý được để quyết định thực hiện nó sẽ thực hiện. Như vậy, các bộ triển khai có trong -mỗi hoạch HTN trong đó có thể có một kết quả khác nhau - không giống như tập các kết quả có thể lập kế hoạch không xác định. Ở đó, chúng ta cần có một kế hoạch làm việc cho tất cả các kết quả bởi vì các đại lý không nhận được để chọn kết quả; chất làm. Các trường hợp đơn giản nhất là một HLA đó có chính xác một thực hiện. Trong trường hợp đó, chúng ta có thể tính toán các điều kiện tiên quyết và các hiệu ứng của HLA từ những người thực hiện (xem bài tập 11.3) và sau đó xử lý các HLA chính xác như thể nó là một hành động nguyên thủy của chính nó. Nó có thể được hiển thị mà bộ sưu tập phải của HLAs có thể dẫn đến sự phức tạp thời gian của rơi tìm kiếm mù từ mũ trong chiều sâu giải pháp cho tuyến tính trong chiều sâu giải pháp, mặc dù đặt ra như một bộ sưu tập của HLAs có thể là một nhiệm vụ không tầm thường trong chính nó. Khi HLAs có nhiều triển khai có thể, có hai lựa chọn: một là để tìm kiếm trong số những triển khai cho một trong những hoạt, như trong mục 11.2.2; khác là lý do trực tiếp về HLAs - mặc dù sự đa dạng của hiện thực - như được giải thích trong phần 11.2.3. Phương pháp thứ hai cho phép nguồn gốc của kế hoạch trừu tượng có thể chứng minh chính xác, mà không cần phải xem xét việc triển khai của họ.
11.2.2 Tìm kiếm các giải pháp nguyên thủy
hoạch HTN thường được xây dựng với một hành động đơn lẻ "cấp cao nhất" được gọi là Đạo luật, mà mục đích là để fi thứ một thực hiện Đạo luật mà đạt được mục tiêu. Cách tiếp cận này là hoàn toàn chung. Ví dụ, vấn đề lập kế hoạch cổ điển có thể được định nghĩa là sau: đối với mỗi hành động nguyên thủy ai, cung cấp một fi nement lại của Đạo luật với các bước [ai, Đạo luật]. Điều đó tạo ra một định nghĩa de fi đệ quy của Đạo luật cho phép chúng ta thêm các hành động. Nhưng chúng ta cần một số cách để ngăn chặn các đệ quy; chúng tôi làm điều đó bằng cách cung cấp thêm một tái fi nement cho Đạo luật, một với một danh sách trống các bước và với một điều kiện tiên quyết bằng các mục tiêu của vấn đề. Điều này nói rằng nếu mục tiêu đã đạt được, sau đó thực hiện quyền là để làm gì. Cách tiếp cận dẫn đến một thuật toán đơn giản: lặp đi lặp lại chọn một HLA trong kế hoạch hiện tại và thay thế nó bằng một trong nements fi lại của nó, cho đến khi kế hoạch đạt được mục tiêu. Một thực thể dựa trên breadth- fi tìm kiếm cây đầu tiên được thể hiện trong hình 11.5. Kế hoạch được coi là theo thứ tự độ sâu làm tổ của nements fi re, chứ không phải là số lượng các bước sơ khai. Nó là đơn giản để thiết kế một phiên bản đồ tìm kiếm của thuật toán cũng như depth- fi đầu tiên và phiên bản sâu lặp đi lặp lại. Về bản chất, hình thức tìm kiếm thứ bậc khám phá không gian của các cảnh quay phù hợp với các kiến ​​thức chứa trong các thư viện HLA về cách mọi thứ đang được thực hiện. Một số lượng lớn kiến ​​thức có thể được mã hóa, không chỉ trong các hành động cụ thể trình tự fi ed trong mỗi nement tái fi mà còn trong các điều kiện tiên quyết cho nements fi lại. Đối với một số lĩnh vực, các nhà hoạch định HTN đã có thể tạo ra các kế hoạch lớn với rất ít tìm kiếm. Ví dụ, O-PLAN (Bell và Tate, 1985), trong đó kết hợp kế hoạch HTN với lịch trình, đã được sử dụng để phát triển các kế hoạch sản xuất Hitachi. Một vấn đề điển hình liên quan đến một dòng sản phẩm 350 sản phẩm khác nhau, 35 máy lắp ráp, và hơn 2000 hoạt động khác nhau. Các kế hoạch tạo ra một lịch trình 30 ngày với ngày làm việc 8 giờ một ngày, liên quan đến hàng chục triệu bước. Một khía cạnh quan trọng của kế hoạch HTN là họ đang có, theo định nghĩa fi de, phân cấp cấu trúc