안정 모델 이론으로 보는 상황 계산과 사건 계산의 재구성

초록

이 논문은 상황 계산과 사건 계산을 일반 안정 모델 이론으로 재정의하고, 이를 답변 집합 프로그램(ASP)으로 변환하는 방법을 제시한다. 순환 최소화와 안정 모델 의미론이 특정 정규형에서 일치한다는 사실을 이용해, 기존의 순환 기반 형식론을 ASP 기반 구현으로 옮겨 효율적인 연산을 가능하게 한다.

상세 분석

본 연구는 비단순 비단조적 추론 체계인 순환(Circumscription)과 안정 모델(Stable Model) 의미론 사이의 동등성을 활용한다. 저자들은 먼저 ‘canonical formulas’라 명명한 형식적 클래스(주로 양화가 없는 1계 논리식과 특정 형태의 정의 규칙)를 정의하고, 이 클래스에 대해 순환과 안정 모델이 동일한 최소 모델을 산출한다는 정리를 증명한다. 이 정리는 상황 계산(Situation Calculus)과 사건 계산(Event Calculus)의 핵심 공리—특히 불변성(axiom of inertia), 전이(transition) 및 효과(effect) 규칙—이 모두 canonical 형태로 변환 가능함을 의미한다.

구체적으로, 상황 계산에서는 상황(situation), 동작(action), 그리고 결과 상황(do) 사이의 관계를 정의하는 서술적 공리를 순환으로 표현한다. 저자들은 이를 ‘선형 순환’ 형태로 재작성하고, 각 공리를 안정 모델 의미론에 맞는 규칙으로 변환한다. 이 과정에서 불변성 공리를 ‘프레임 문제’를 해결하기 위한 최소화 조건으로 해석하고, 동작 전후의 플루엔트(fluent) 변화를 ‘규칙 기반 전이’로 표현한다.

이와 유사하게 사건 계산에서는 사건(event), 시간(time), 그리고 사실(fact) 사이의 관계를 기술한다. 기존의 사건 계산은 시간에 대한 전역적 최소화(예: 시간에 따른 사건 발생의 최소화)를 순환으로 구현했지만, 본 논문은 이를 ‘시간 인덱스가 있는 규칙 집합’으로 바꾸어 안정 모델 의미론에 직접 매핑한다. 특히, 사건 발생 조건과 지속성(continuity) 규칙을 각각 ‘조건부 규칙’과 ‘역전 규칙’으로 분리함으로써, ASP 솔버가 효율적으로 탐색할 수 있는 형태로 만든다.

핵심 기여는 두 가지이다. 첫째, 순환과 안정 모델이 동일한 최소 모델을 산출한다는 이론적 기반을 제공함으로써, 기존 순환 기반 형식론을 ASP로 옮기는 것이 논리적으로 타당함을 증명한다. 둘째, 실제 변환 알고리즘을 제시한다. 저자들은 ‘SM‑to‑ASP’ 변환 절차를 정의하고, 이를 통해 상황 계산·사건 계산의 모든 공리를 ASP 규칙 집합으로 자동 변환한다. 변환 과정은 (1) 순환 공식을 ‘정규화된 규칙 형태’로 전개, (2) 부정적 순환을 ‘negation‑as‑failure’ 형태로 치환, (3) 불변성 최소화를 ‘choice rule’와 ‘constraint’로 구현한다.

이러한 변환은 기존 ASP 솔버(예: Clingo, DLV)의 최적화 메커니즘을 그대로 활용할 수 있게 하며, 복잡한 동적 도메인(예: 로봇 행동 계획, 사건 기반 시뮬레이션)에서의 추론 속도를 크게 향상시킨다. 실험 결과는 제시되지 않았지만, 이론적 복잡도 분석에 따르면 변환 후 프로그램의 규모는 원본 순환 공식 대비 선형 증가에 그치며, ASP 솔버의 SAT‑based 엔진 덕분에 실제 실행 시간은 기존 순환 기반 구현보다 현저히 빠를 것으로 기대된다.