Aktionsformalismen und Nichtmonotone Inferenz

(1)

Aktionsformalismen und Nichtmonotone Inferenz

Projekte C und D

G. Brewka/T. Schaub und S. H¨olldobler Leipzig/Potsdam und Dresden

(2)

Gliederung

Aktionsformalismen und Nichtmonotonie – p.2/21

(3)

Gliederung

1. Was verstehen wir unter Nichtmonotonie?

Warum ist sie wichtig für Aktionsformalismen?

(4)

Gliederung

2. Qualitative vs quantitative Ansätze

(5)

Gliederung

3. Projekt C: geplante Forschungsthemen

(6)

Gliederung

3. Projekt C: geplante Forschungsthemen 4. Projekt D: geplante Forschungsthemen

(7)

Gliederung

3. Projekt C: geplante Forschungsthemen 4. Projekt D: geplante Forschungsthemen 5. Kompetenz der Antragsteller

(8)

Gliederung

3. Projekt C: geplante Forschungsthemen 4. Projekt D: geplante Forschungsthemen 5. Kompetenz der Antragsteller

6. Zusammenfassung

(9)

Was meint Nichtmonotonie?

(10)

Was meint Nichtmonotonie?

Methoden zur Behandlung von Unsicherheit, Ausnahmen, Präferenzen

(11)

Was meint Nichtmonotonie?

sowohl qualitative wie quantitative Ansätze

(12)

Was meint Nichtmonotonie?

sowohl qualitative wie quantitative Ansätze nicht: Entwicklung neuer nichtmonotoner Logiken

(13)

Was meint Nichtmonotonie?

sowohl qualitative wie quantitative Ansätze nicht: Entwicklung neuer nichtmonotoner Logiken

sondern: Weiterentwicklung und Anwendung nichtmonotoner Methoden

für die Handlungsmodellierung

(14)

Warum Nichtmonotonie?

(15)

Warum Nichtmonotonie?

grundlegende Probleme wie Frame-Problem gelöst, aber:

(16)

Warum Nichtmonotonie?

vereinfachende Annahmen über Aktionen, Weltwissen, Ziele von Akteuren, ...

(17)

Warum Nichtmonotonie?

realistische Modelle müssen berücksichtigen:

(18)

Warum Nichtmonotonie?

Wissen über Welt und Effekte unsicher

(19)

Warum Nichtmonotonie?

Wissen über Welt und Effekte unsicher Aktionen nichtdeterministisch

(20)

Warum Nichtmonotonie?

Ausnahmesituationen können eintreten

(21)

Warum Nichtmonotonie?

Ausnahmesituationen können eintreten Ziele nicht gleich wichtig

(22)

Warum Nichtmonotonie?

Ausnahmesituationen können eintreten Ziele nicht gleich wichtig

Entscheidungen fordern Risikoabschätzung

(23)

Qualitativ vs. quantitativ

(24)

Qualitativ vs. quantitativ

qualitative Methoden:

einsetzbar ohne komplette Spezifikation von Wahrscheinlichkeit, Nutzen etc.,

manchmal Differenzierung nicht fein genug

(25)

Qualitativ vs. quantitativ

manchmal Differenzierung nicht fein genug quantitative Methoden:

Spezifikation von Wahrscheinlichkeit, Nutzen,... erforderlich

wenn diese Information verfügbar, dann feine Differenzierungen

(26)

Qualitativ vs. quantitativ

manchmal Differenzierung nicht fein genug quantitative Methoden:

Spezifikation von Wahrscheinlichkeit, Nutzen,... erforderlich

wenn diese Information verfügbar, dann feine Differenzierungen

deshalb beide Ansätze verfolgt

(27)

Forschungsthemen Projekt C

Aktionsbeschreibungssprachen Qualitative Präferenzen

Qualitatives Optimieren Qualitatives Entscheiden Präferenzen und Aktionen

Revision, Update, Inkonsistenz Implementierungstechniken

(28)

Aktionsbeschreibungssprachen

, , , Sprachen zur Modellierung von Aktionen

basieren auf Antwortmengenprogrammierung Beziehung zu Situations-/Fluentkalkül zu

untersuchen

Übersetzbarkeit der Kalküle in ASP

(29)

Qualitative Präferenzen

Präferenzen zwischen Regeln bzw.

Atomen/Formeln

kontextabhängig vs. unbedingt

Kategorisierung existierender Ansätze Übersetzbarkeit/Ausdrucksstärke

Eignung für Aktionsmodellierung

(30)

Qualitatives Optimieren

Spezifikationssprache für komplexe Präferenzen flexibel, modular, ausdrucksstark

Integration qualitativer/numerischer Ansätze entsprechende Implementierungstechniken:

generate and improve/tagging

(31)

Qualitatives Entscheiden

Handlungsalternativen von übrigen Ereignissen und Gegebenheiten zu unterscheiden

Beschreibung Weltzustand und Effekte von Handlungen

Beschreibung von Präferenzen zwischen Effekten Generieren einer Antwortmenge für jede

Handlungsalternative

Strategie für Auswahl geeigneter Handlung aus Präferenzen auf Antwortmengen

(32)

Präferenzen und Aktionen

Präferenzen bei der Zielspezifikation Präferenzen bei der Aktionsauswahl

Präferenzen bei der Erklärungsgenerierung Präferenzen bei der Inkonsistenzbehandlung Ziel: Aktionskalkül mit Präferenzen

(33)

Revision, Update, Inkonsistenz

Neue Beobachtungen führen zu Revision des Weltwissens

Aktionen führen zu Update des Wissens über Weltzustand

Konflikte zwischen Beobachtungen und Erwartungen

geeignete Techniken der Inkonsistenzbehandlung müssen in Kalküle integriert werden

(34)

Implementierungstechniken

Entwicklung von Modulen zur Präferenzbehandlung

Entwicklung von Modulen zur Inkonsistenzbehandlung

Basis Antwortmengenprogrammierung Kopplung an FLUX/GOLOG

(35)

Forschungsthemen Projekt D

Probabilistischer Fluentkalkül PFC

Erweiterung PFC um Optimierungsverfahren (reinforcement learning, decision theoretic planning)

Optimalitätsanalysen

Implementierungstechniken

Erprobung im Bereich Robotik

(36)

Probabilistischer Fluentkalkül

klassische Probleme der Handlungsmodellierung (Ramifikation, Qualifikation, Präferenzen,

Weltmodell) in probabilistischer Erweiterung entsprechende Techniken für Planungsaufgaben (Generierung, Evaluierung, temporale Projektion) entscheidungstheoretische Erweiterungen auf der Basis von Belohnungen, Risiken, Kosten

Techniken des Verstärkungslernens zum

Generieren der hierzu notwendigen Wertfunktion

(37)

Optimierungsverfahren

Einführung abstrakter Zustände und Aktionen zur Verkleinerung des Suchraums

Techniken aus dem Verstärkungslernen

(Optionen, Makro-Aktionen, Aggregation von Zuständen, multigrid-Verfahren)

Weiterentwicklung und Kombination dieser Techniken

Ziel: Erhöhung der Skalierbarkeit des PFC

(38)

Optimalitätsanalysen

Wirkung von Optimierungstechniken auf Optimalität der Handlungsfolgen im PFC Bedingungen für Optimalität

beweisbare Aussagen zur Güte der

Handlungsfolgen bei Verletzen der Bedingungen

(39)

Implementierungstechniken

Verwendung von Techniken des dynamischen Programmierens essentiell

effektive Implementierungen rückwärtsschließend

existierendes System FLUX: vorwärtsschließend Schlussweisen sind geeignet zu kombinieren

(40)

Robotikanwendung

Erprobung von PCL in Anwendungsszenario, insbesondere

Generieren von Wahrscheinlichkeiten aus Anwendung

Lernen der Belohnungsfunktion

Lernen der Zustandsübergangsfunktion

(41)

Kompetenz der Antragsteller

(42)

Kompetenz der Antragsteller

Brewka: Präferenzen in ASP und Default Logik, geordnete Disjunktion, Answer Set Optimierung, generate/improve-Methoden, Qualitatives

Entscheiden

(43)

Kompetenz der Antragsteller

Entscheiden

Hölldobler: Fluentkalkül, Konnektionsmethode, lineare Logik, Strukturenkalkül, unscharfe

Mengen, Verstärkungslernen, Planen mit probabilistischen Aktionen

(44)

Kompetenz der Antragsteller

Entscheiden

Hölldobler: Fluentkalkül, Konnektionsmethode, lineare Logik, Strukturenkalkül, unscharfe

Mengen, Verstärkungslernen, Planen mit probabilistischen Aktionen

Schaub: Präferenzen in ASP und Default Logik, Update und Inkonsistenzbehandlung,

Kompilationstechniken, Implementierung

(45)

Zusammenfassung

(46)

Zusammenfassung

Projekte C und D erweitern Aktionsformalismen um Aspekte nichtmonotoner Inferenz

(47)

Zusammenfassung

sowohl qualitative (C) wie quantitative (D) Ansätze werden verwendet

(48)

Zusammenfassung

im Vordergrund steht Modellierung von Unsicherheit und Präferenzen

(49)

Zusammenfassung

im Vordergrund steht Modellierung von Unsicherheit und Präferenzen

Integration qualitativer/quantitativer Methoden in späterer Projektphase