제약 논리 프로그래밍으로 구현한 다값 행동 언어

본 논문은 인공지능 계획 분야에서 널리 사용되는 행동 기술 언어 B를 제약 논리 프로그래밍 over Finite Domains(CLP(FD))와 결합하는 새로운 방법론을 제시한다. 서론에서는 지능형 에이전트가 현실 세계에서 효과적으로 행동하기 위해서는 지식 획득·표현·추론이 필수이며, 논리 프로그래밍이 이러한 요구를 만족시키는 강력한 도구임을 강조한다. 특히, 기존의 ASP 기반 접근법은 수치 제약 처리와 효율성 면에서 한계가 있음을 지적하고, CLP(FD)가 이러한 문제를 보완할 수 있음을 제안한다. 2장에서는 행동 언어 B의 문법과 의미론을 정리한다. 플루언트는 Boolean 값(0/1)으로 정의되고, 액션은 동적 인과법(causes)과 정적 인과법(caused), 실행 가능 조건(executable)으로 기술된다. 상태는 플루언트 리터럴 집합으로 표현되며, 전이 시스템은 동적 법칙에 의해 생성된 효과와 정적 법칙에 의해 닫힌 상태로 구성된다. 논문은 B의 전통적인 정의를 그대로 유지하면서도 Prolog‑like 구문을 사용해 보다 간결하게 기술한다. 3장에서는 B를 CLP(FD)로 인코딩하는 구체적 절차를 제시한다. 각 플루언트는 FD 변수로 선언되고, 각 액션은 해당 시점의 변수와 다음 시점의 변수 사이에 제약식으로 연결된다. 동적 인과법은 “if‑then” 형태의 제약으로 변환되며, 정적 인과법은 고정점 연산을 통해 모든 상태가 일관되도록 강제한다. 실행 가능성은 전제 조건이 만족될 때만 액션 변수에 선택값을 허용하는 제약으로 구현된다. 이러한 변환은 자동화된 전처리기에 의해 수행되며, 사용자는 B 형식의 도메인 설명만 제공하면 된다. 4장에서는 B의 한계를 극복하기 위한 동기화를 제시한다. 특히, 다값 플루언트와 수치 제약을 다루기 위해 플루언트 도메인을 정수 구간으로 확장하고, 제약식에 산술 연산을 포함한다. 이를 통해 배럴 문제와 같이 용량이 다른 컨테이너 간의 물량 이동을 자연스럽게 모델링한다. 5장에서는 확장된 언어 B^MV의 문법을 정의한다. 주요 특징은 (1) 다값 플루언트 선언, (2) 정적·동적 인과법에 제약식 포함, (3) 실행 가능 조건에 수치 비교 연산, (4) 비마르코프적 시간 참조(과거·미래 상태)이다. 예시로 “holds_at(f,t)”와 같은 시점 지정 리터럴을 도입해 과거 상태에 기반한 조건을 표현한다. 6장에서는 B^MV의 의미론을 형식화한다. 상태는 시점별 플루언트 변수의 할당으로 정의되고, 전이 관계는 동적 법칙에 의해 생성된 제약과 정적 법칙에 의해 닫힌 상태의 교차로 구성된다. 비마르코프적 규칙은 모든 시점에 대해 전역 제약으로 추가되며, 고정점 연산을 통해 일관성을 확보한다. 7장에서는 실제 CLP(FD) 구현을 상세히 설명한다. SICStus Prolog 기반의 CLP(FD) 라이브러리를 활용해 변수와 제약을 선언하고, 전처리기가 B 또는 B^MV 스펙을 읽어 Prolog 코드로 변환한다. 탐색 전략으로는 깊이 우선 탐색에 휴리스틱 비용 함수를 결합했으며, 필요 시 라벨링 옵션을 조정해 탐색 공간을 축소한다. 8장에서는 실험 결과를 제시한다. 12‑7‑5 배럴 문제, 리소스 제한 로봇 이동, 그리고 일정 지연 효과가 있는 생산 계획 문제를 대상으로, CLP(FD) 기반 플래너와 대표적인 ASP 플래너(예: clingo)를 비교했다. 결과는 CLP(FD) 방식이 특히 수치 제약이 복잡한 경우 탐색 시간과 메모리 사용량에서 현저히 우수했으며, 동일한 문제를 더 적은 라벨링 단계로 해결했다. 다값 플루언트를 지원함으로써 표현력도 크게 확대되었다. 9장에서는 관련 연구를 검토한다. 기존의 B와 K, AD C와 같은 행동 언어, ASP 기반 플래닝, 그리고 CSP 기반 플래닝 접근법을 비교하며, 본 연구가 제약 논리 프로그래밍을 행동 언어 수준까지 끌어올린 점을 강조한다. 10장에서는 결론과 향후 과제를 제시한다. 현재 구현은 순차적 플랜에 초점을 맞추었으며, 동시성 액션, 대규모 도메인, 그리고 학습 기반 휴리스틱 통합이 향후 연구 방향으로 제시된다. 전체적으로 논문은 행동 언어와 제약 논리 프로그래밍의 시너지를 통해 계획 문제 해결에 새로운 패러다임을 제시한다.