New perspectives on landmark generation for HTN planning

• Ano de defesa: 2025
• Autor(a) principal: Putrich, Victor Scherer
• Orientador(a): Pereira, André Grahl
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Inteligência artificial; Busca heurística; Aprendizado de máquina; Planejamento clássico
• Palavras-chave em Inglês: HTN planning; Landmarks
• Link de acesso: http://hdl.handle.net/10183/295545

Landmarks fazer parte de uma classe muito importante de heurísticas no planejamento clássico e no planejamento hierárquico baseado em redes de tarefas (Hierarchical Task Network — HTN). Eles estão presentes em praticamente todos os sistemas de planejamento de ponta e se tornaram um componente padrão dos planejadores modernos. Um landmark é uma característica necessária de um problema de planejamento que deve ser verdadeira (ou selecionada) em algum momento de toda solução válida. Na busca heurística, landmarks ajudam a medir o progresso acompanhando quais landmarks ainda não foram alcançados em cada nó da busca. Embora o problema de detecção de landmarks tenha sido amplamente estudado no planejamento clássico, relativamente poucas abordagens o investigaram no contexto HTN. As técnicas existentes de geração de landmarks para planejamento HTN baseiam-se na relaxação Delete and Ordering Free (DOF). No entanto, essas abordagens são incompletas devido a uma relaxação adicional conhecida como Task Insertion, que limita a quantidade de landmarks detectáveis. Este trabalho introduz novas perspectivas sobre a geração de landmarks em planejamento HTN por meio de três contribuições: (1) Revisitamos o modelo existente baseado em grafos AND/OR para geração de landmarks e propomos duas novas abordagens que identificam landmarks adicionais, cobrindo landmarks não identifados pelas limitações da codificação original. Esses novos métodos descobrem substancialmente mais landmarks, mantendo complexidade polinomial. No entanto, todos permanecem incompletos sob a relaxação DOF. (2) Transformamos o único modelo totalmente compatível com DOF existente na literatura em um procedimento de decisão para identificar landmarks. Essa abordagem nos permite quantificar a diferença na detecção de landmarks entre métodos completos e incompletos em relação à relaxação DOF. (3) Nós estendemos o algorítmo LM-cut para gerar landmarks disjunctivos para planejamento HTN introduzindo um novo modelo que incorpora landmarks pré-computados como novos objetivos na extração de novos landmarks. Isto faz que o LM-cut identifique muito mais landmarks disjunctivos com um impacto positivo notável na performance de busca. Experimentos com benchmarks da International Planning Competition (IPC) demonstram a eficácia das novas abordagens, que melhoram significativamente tanto a quantidade delandmarks detectados quanto o desempenho da busca, em comparação com as estratégias de geração de landmarks do estado da arte.