"Uso de planes relajados en Grounding Heurístico"
16 Dic. 2021 - Google Meet
Defensa del trabajo final de la Licenciatura en ciencias de la computación del alumno Nicolás Benjamín Ocampo
Tesista: Nicolás Benjamín Ocampo
Directores: Dr. Martín Dominguez, y Dr. Carlos Areces.
Tribunal:
- Martín Dominguez (presidente)
- Cristian Cardellino (vocal)
- Raúl Fervari (vocal)
- Laura Alonso Alemany (suplente)
Resumen:
La planificación automática, o simplemente Planning, es una de las áreas más antiguas y centrales de la Inteligencia Artificial. Estudia la generación automática de acciones por parte de agentes inteligentes con el propósito de resolver una tarea que especifique una meta y una situación inicial. Esta secuencia de acciones es denominada un plan de la tarea. Los planificadores son los encargados de encontrar un plan a partir de una especificación de la tarea a resolver. Para esto, la mayoría de planificadores realizan una etapa de preprocesamiento sobre la especificación para obtener una representación de mucho más bajo nivel de abstracción. Este proceso se conoce como proceso de grounding, el cual se realiza previamente a la búsqueda de un plan. Para aquellas tareas en las que el proceso de grounding no puede realizarse debido al agotamiento de recursos computacionales, el planificador no puede empezar la búsqueda de una solución al no poder generar la tarea groundeada. Por otro lado, la búsqueda que realizan los planificadores es guiada a partir de una función heurística que se obtiene a partir de información de la tarea. En particular, el sistema Fast Downward (FD), el framework para resolver tareas de planning más famoso y utilizado por la comunidad de planning, implementa una búsqueda guiada a partir de planes de una tarea simplificada. Estas soluciones son denominadas planes relajados. Dado que los planes relajados han mostrado contener la información necesaria para guiar el proceso de búsqueda, entonces es posible que también puedan guiar el proceso de grounding. En este trabajo mostramos un proceso alternativo denominado grounding heurístico que consiste en generar solamente una proyección de la tarea cuando el grounding total no es factible. Este proceso es un mecanismo guiado en donde identificamos las acciones que son relevantes para encontrar un plan utilizando métodos de aprendizaje automático. Como características de los modelos se utilizaron planes relajados en motivación al método de búsqueda de FD. Por último, se propusieron dos codificaciones para los datos de entrada de los modelos de aprendizaje, una codificación ad-hoc basada en las codificaciones de tipo one-hot, y otra a partir de word embeddings provenientes del lenguaje natural. Los resultados obtenidos justifican el uso de planes relajados para guiar el proceso de grounding.