Planejamento semi-autônomo : uma nova abordagem para a segmentação de planos em ambientes multiagente

Abstract

Resumo: Nesta dissertação é apresentada uma extensão ao planejador HEART publicado em (Gréa et al., 2018). O planejador HEART apresenta um mecanismo para a solução do problema de planejamento através do uso de rede de tarefas hierárquicas e ordenação parcial controlada por vínculos causais, permitindo a apresentação de planos intermediários em casos de problemas sem solução ou com restrição de tempo de planejamento. Esta extensão inova ao apresentar um mecanismo através do qual a aplicação do planejador passa a ser possível em ambientes multiagente distribuídos. Este novo mecanismo se aproveita da capacidade de geração de planos intermediários para a criação de subproblemas, permitindo a resolução de problemas mais complexos por agentes de menor capacidade sem comprometer a característica de execução em tempo real. É feita a revisão de conceitos fundamentais sobre planejamento em inteligência artificial, redes hierárquicas de tarefas e planejamento multiagente. Após a revisão é apresentada a base conceitual para esta extensão e é descrita a nova falha, denominada falha de atribuição externa. É então provado que esta falha e seu resolvedor mantém as características de corretude e completude do planejador, e são apresentados resultados da análise de sua inclusão, mostrando que a inclusão não compromete a performance e pode ser utilizada para o ambiente multiagente proposto. Palavras-chave: Planejamento em IA. Rede de tarefas hierárquicas. Planejamento multiagente.

Abstract: This dissertation presents an extension to the HEART planner, first published in (Gréa et al., 2018). The HEART planner has a mechanism to solve the planning problem by using hierarchical task networks and partial ordering controlled by causal links, allowing for intermediate plans in case of unsolvable problems or planning under time restrictions. This extension innovates by introducing a tool that allows for the usage of the planner in the distributed multiagent environment. This tool exploits the intermediate plan generation capability for creating subproblems, allowing less capable agents to solve higher complexity problems without sacrificing the real-time execution. A revision of fundamental concepts about artificial intelligence planning, hierarchical task networks and multiagent planning is made. After the revision, the conceptual basis for the extension is presented, followed by the inclusion of a new flaw, noted as external attribution flaw. It is then proved that this new flaw and its associated resolver maintain the planner properties of soundness and completeness, and results of its inclusion are analyzed, showing that it does not compromises performance and is thus applicable in the proposed multiagent environment. Keywords: AI planning. Hierarchical task network. Multiagent planning.