불확실성을 없애는 제한된 폭의 일관성 계획 변환

초록

이 논문은 초기 상태와 행동 효과의 불확실성을 가진 일관성 계획 문제를, 가정에 기반한 새로운 리터럴로 변환해 고전적 플래너로 해결하는 방법을 제시한다. 변환의 복잡도는 문제의 ‘폭(width)’에 따라 지수적으로 증가하지만, 대부분의 벤치마크에서는 폭이 제한되어 효율적인 해결이 가능하다. 제안된 접근법은 2006년 국제 계획 대회에서 최고 성능을 기록한 T0 플래너의 기반이 된다.

상세 분석

본 논문은 일관성 계획(conformant planning) 문제를 기존의 belief-space 탐색 방식이 아닌, 전통적인 고전 계획(classical planning) 프레임워크로 매핑하는 새로운 변환 기법을 제안한다. 핵심 아이디어는 초기 상황에 대한 가정 집합 t와 원래 리터럴 L을 결합해 새로운 리터럴 K_{L/t}를 도입하는 것이다. K_{L/t}는 “가정 t가 초기 상태에서 참이면 L도 반드시 참이다”라는 의미를 내포한다. 이렇게 함으로써 불확실성을 명시적인 가정-조건 관계로 표현하고, 모든 가정이 동시에 만족되는 경우에만 목표를 달성하도록 고전 플래너에게 전달한다.

논문은 먼저 변환 스킴의 형식적 정의와 사운드(sound)함을 증명한다. 즉, 변환된 고전 문제의 해가 원래 일관성 문제의 해가 된다는 것을 보인다. 완전성(completeness) 조건은 ‘폭(width)’이라는 파라미터에 의해 제한된다. 폭은 문제의 초기 가정 집합이 서로 독립적으로 결합될 수 있는 최대 크기를 의미한다. 폭이 w인 경우, 모든 가능한 가정 조합을 명시적으로 기술해야 하므로 변환의 크기는 O(2^w)로 급격히 증가한다. 그러나 실제 벤치마크에서는 대부분 w가 1~3 수준에 머물러, 변환이 실용적인 크기로 유지된다.

또한 논문은 변환 과정에서 발생할 수 있는 리터럴 폭발을 완화하기 위한 최적화 기법을 제시한다. 예를 들어, 동일한 가정 집합에 대해 중복되는 K_{L/t}를 공유하거나, 불필요한 가정 조합을 사전 제거하는 전처리 단계가 포함된다. 이러한 최적화는 변환 후 생성되는 고전 문제의 크기를 현저히 줄여, 기존의 고전 플래너가 효율적으로 탐색할 수 있게 만든다.

실험에서는 변환 기반 플래너 T0를 다양한 일관성 계획 베이스라인(예: CFF, MBP, KAC)과 비교하였다. 결과는 특히 폭이 낮은 문제에서 T0가 현저히 빠른 해결 시간을 보였으며, 일부 복잡한 문제에서는 기존 플래너가 시간 초과를 겪는 반면 T0는 성공적으로 해를 찾았다. 이는 변환이 문제 구조를 효과적으로 압축하고, 고전 플래너의 강력한 히스토리 기반 탐색 및 휴리스틱을 그대로 활용할 수 있음을 입증한다.

마지막으로 논문은 변환 기법의 한계도 논의한다. 폭이 큰 경우 변환 자체가 비현실적인 메모리와 시간 요구를 초래하며, 이때는 belief-space 접근법이 더 적합할 수 있다. 또한 현재 변환은 결정적 행동에만 적용 가능하므로, 확률적 혹은 비결정적 효과를 가진 일관성 계획에는 추가적인 확장이 필요하다. 그럼에도 불구하고, 제한된 폭을 갖는 대부분의 실세계 문제에 대해 변환 기반 접근법은 강력하고 실용적인 해결책을 제공한다는 점이 핵심 기여이다.