O documento discute planejamento clássico e não-determinístico em IA. Aborda representação atômica vs fatorial de planejamento, domínios de planejamento, problemas de planejamento, algoritmos de planejamento como progressão e regressão, e heurísticas como problemas relaxados. Também trata de planejamento sob incerteza, estratégias para seleção de ações, e o conceito de políticas.
4. Domínio de Planejamento
4
D = ⟨S, A, T⟩
● S ≠ ∅ é um conjunto finito de estados possíveis do ambiente;
● A ≠ ∅ é um conjunto finito de ações executáveis pelo agente;
● T ∶ S × A ↦ S é uma função de transição de estados.
● suc(s,a)
● pred(s,a)
6. Esquema de ação
● Precondição
● Efeito
● Ação aplicável em um estado
(a ∊ AÇÕES(s)) ↔ s ╞ PRECOND(a)
6
7. Resultado
● Lista de exclusão (DEL)
● Lista de adição (ADD)
RESULTADO(s, a) = (s - DEL(a)) U ADD(a)
7
8. Início (Sobre (A, Mesa ) ∧ Sobre (B, Mesa ) ∧ Sobre (C,A )
∧ Bloco (A ) ∧ Bloco (B ) ∧ Bloco (C ) ∧ Livre (B ) ∧ Livre (C ))
Objetivo (Sobre (A,B ) ∧ Sobre (B,C ))
Ação (Mover (b, x, y ),
PRECOND: Sobre (b, x ) ∧ Livre (b ) ∧ Livre (y ) ∧ Bloco (b ) ∧ Bloco (y )
∧ (b ≠ x ) ∧ (b ≠ y ) ∧ (x ≠ y ),
EFEITO: Sobre (b, y ) ∧ Livre (x ) ∧ ¬ Sobre (b, x ) ∧ ¬ Livre (y ))
Ação (MoverParaMesa (b, x ),
PRECOND: Sobre (b, x ) ∧ Livre (b ) ∧ Bloco (b ) ∧ (b ≠ x ),
EFEITO: Sobre (b, Mesa ) ∧ Livre (x ) ∧ ¬ Sobre (b, x ))
O mundo dos blocos em PDDL
8Mundo dos blocos
9. Problema de Planejamento
● Definição: Um problema de planejamento clássico é definido por uma tupla
P = ⟨D, s0 , G⟩, onde:
• D = ⟨S, A, T⟩ é um domínio de planejamento clássico;
• s0 ∈ S é o estado inicial do ambiente;
• ∅ ≠ G ⊆ S é um conjunto de estados metas.
9
10. Estados alcançáveis a partir de s0
● Definição: Dado um problema de planejamento determinístico P = ⟨D, s0 , G⟩, o
conjunto R de todos os estados alcançáveis a partir de s0 pode ser obtido
usando uma iteração de ponto-fixo na seguinte definição indutiva:
s0 ∈ R
se s ∈ R então suc(s, a) ∈ R, para todo a ∈ A tal que a é aplicável em s.
10
11. Estados que alcançam um estado meta
● Definição: Dado um problema de planejamento determinístico P = ⟨D, s0, G⟩,
o conjunto U de todos os estados a partir dos quais é possível alcançar um
estado meta sg ∈ G pode ser obtido usando uma iteração de ponto-fixo na
seguinte definição indutiva:
se sg ∈ G, então sg ∈ U
se s ∈ U então pred(s, a) ⊂ U, para toda a ∈ A tal que ∃s' ∈ S tal que
suc(s', a) = s.
11
13. Solução
● Seja um problema de planejamento determinístico ψ = <D, s0, ϕ>, um plano
σ = <a1, … , an> é solução de ψ se e somente se, executarmos σ a partir do
estado inicial e obtermos um estado que satisfaz ϕ.
13
14. Planejadores
● O que é um planejador?
● O que são os problemas PSPACE
14
Planejador
16. Heurísticas - Problema Relaxado
Ambos algoritmos não vão obter resultados eficientes caso não
contenham uma boa heurística, as principais estratégias são:
● Ignorar as precondições;
● Ignorar as listas de Exclusão;
16
18. Determinístico x Não-Determinístico
● Determinístico
○ Não há incertezas sobre os efeitos da ação do agente.
○ Estado muda apenas como consequência das ações executadas pelo agente.
○ Agente conduz a evolução do ambiente para alcançar o estado objetivo.
● Cada ação leva a um único estado sucessor
18
19. Não-Determinístico
● Na pratica evolui de forma não-determinística
○ Especificações do ambiente geralmente é incompleto
○ Ocorrência de eventos exógenos
○ Ações com efeitos incertos
19
20. Planejamento sob incerteza
● Agente x Natureza
○ Agente: Planeja ações para atingir a meta
○ Natureza: Intenções desconhecidas e ações(eventos exógenos) podem
interferir com as ações do agente modificando o seu efeito
20
21. 21
● Dado um estado s e uma ação a, o modelo fornece uma previsão do
próximo estado do ambiente.
● Qualitativo (Possibilísticos)
○ Não tem ideia de como a natureza escolhe suas ações
● Quantitativo (Probabilísticos)
○ Agente obtém estatísticas sobre a frequência sobre com que a natureza
escolhe as ações
Planejamento sob incerteza
Mundo do robô
22. Estratégias para seleção de ações
→ Influência direta na qualidade das soluções
● Pessimista → Solução Forte
● Tentativa e erro → Solução Forte-cíclica
● Otimista → Solução Fraca
22
27. Referências
● Inteligência Artificial - 3ª Ed. 2013 - Peter Norvig, Stuart Russell
● LAGO, SILVIO: Planejamento sob incerteza para metas de alcançabilidade
estendidas - Qualificação de Doutorado, IME-USP, 2007
● MENEZES, VIVIANE: Mudanças em problemas de Planejamento sem
Solução - Tese de Doutorado, USP, 2014
27