Generazione ed adattamento di piani attraverso grafi di pianificazione: sviluppo e sperimentazione di algoritmi basati su ricerca locale e backtracking

L'attività di ricerca ha avuto come obiettivo generale lo sviluppo e l'analisi sperimentale di tecniche efficienti di pianificazione "domain independent" per un agente (artificiale). Lo studio si è concentrato su algoritmi di natura generale ed applicabili ad una varietà di situazioni in cui l'evoluzione del mondo esterno rende necessaria la revisione di un piano formulato in precedenza, o la generazione di un nuovo piano.

Un agente di pianificazione operante in un mondo dinamico deve essere in grado sia di generare nuovi piani a partire da una descrizione delle azioni che può compiere, dallo stato del mondo corrente e dai particolari obiettivi da raggiungere, sia di adattare un piano precostituito per far fronte a situazioni impreviste (come ad esempio il fallimento dell'esecuzione di una azione pianificata).

I ricercatori hanno studiato la pianificazione sin dagli albori dell'Intelligenza Artificiale, realizzando numerose tecniche per la generazione di piani ed analizzandone approfonditamente la complessità computazionale. Tuttavia solo recentemente sono state individuate tecniche di una certa efficacia, che hanno portato alla realizzazione di numerosi pianificatori in grado di risolvere velocemente problemi caratterizzati da uno spazio di ricerca notevolmente più ampio di quello dei problemi affrontabili solo qualche anno fa.

Computazionalmente il problema di adattare un piano esistente ad una nuova situazione è, da un punto di vista teorico, difficile quanto quello di generare un piano completamente nuovo per raggiungere gli stessi goal (entrambi sono PSPACE-completi). Esistono tuttavia in pratica molti casi in cui un piano può essere "riparato" con modifiche circoscritte in tempi molto inferiori a quelli richiesti per la generazione di un nuovo piano globale. Questo processo può avvenire sia "off-line" (per adattare, ad esempio, un piano ricavato da una libreria di piani prima della sua esecuzione), sia "on-line" (per adattare, ad esempio, un piano durante la sua costruzione in un processo di tipo "mixed-initiative"; oppure per adattare un piano che viene invalidato durante la sua esecuzione). Una pianificazione off-line veloce è importante per esempio nel "case-based planning" ; mentre un adattamento on-line veloce è importante nel caso in cui durante l'esecuzione di un piano alcune azioni falliscono, oppure quando l'acquisizione di nuove informazioni modifica la conoscenza dell'agente sul mondo o i suoi obiettivi rendendo il piano corrente non più valido.

A tal proposito sono state sviluppate alcune tecniche innovative per adattare velocemente un piano: dato un piano in cui sono state individuate delle inconsistenze verra' avviato un processo di revisione, al fine di ottenere un nuovo piano corretto. In particolare sono state sviluppate:

- tecniche di "ricerca locale" che, partendo da un piano in cui sono presenti delle inconsistenze, attuano un processo iterativo di revisione che corrisponde a minimizzare una particolare funzione obiettivo;

- tecniche di "adattamento sistematico", che eliminano le inconsistenze presenti nel piano originale ripianificando all'interno di limitate porzioni del piano usando backtracking;

- integrazione di tecniche di ricerca locale e adattamento sistematico, sia per svolgere generazione di nuovi piani che per adattare un piano precostituito.

Le tecniche proposte sono state implementate in un sistema chiamato al fine di verificare l'efficienza delle tecniche proposte sia per la generazione che per l'adattamento di piani. I risultati di tali esperimenti indicano che GPG è in grado di risolvere efficientemente alcuni problemi di generazione che risultano estremamente difficili per altri pianificatori basati su planning graph, come Graphplan, IPP e Blackbox. Al fine di valutare le prestazioni di GPG nell'adattamento di piani, sono state considerate più di 250 varianti di alcuni problemi noti in letteratura ed utilizzati per testare le prestazioni di sistemi di pianificazione. Ciascuna variante è stata ottenuta cambiando uno o due fatti nella descrizione dello stato iniziale e/o stato finale (goal) del problema originale. GPG riceve quindi in ingresso la descrizione del problema modificato ed un piano per il problema originale che risulta essere non valido per il nuovo problema (tutte le varianti sono state costruite in modo da rendere il piano di ingresso non valido per il problema modificato). I risultati di questi esperimenti mostrano che, sotto certe condizioni, adattare un piano utilizzando GPG può essere fino a quattro ordini di grandezza più veloce di una ripianificazione completa (utilizzando IPP o Graphplan).