Rappresentazione di domini complessi e tecniche di ragionamento simbolico per un Robot Mobile Autonomo

Transcript

1 Rappresentazione di domini complessi e tecniche di ragionamento simbolico per un Robot Mobile Autonomo Fulvio Mastrogiovanni Laboratorium - DIST Università di Genova

2 Introduzione Requisiti per un Robot Mobile veramente autonomo: Lavorare continuativamente nel tempo Portare a termine compiti diversificati e complessi Riconoscere (ed evitare) potenziali situazioni di pericolo e fallimenti Prendere decisioni autonomamente Interagire con l ambiente Interagire con persone Non esiste un unica grande tecnica per gestire tutto!

3 Sommario Il problema della pianificazione e della rappresentazione Panoramica degli approcci esistenti alla pianificazione ed alla rappresentazione Il caso di studio considerato Il sentiero intrapreso Integrazione con tecniche ed algoritmi di medio e basso livello Risultati sperimentali e sviluppi futuri In simulazione Con robot reali

4 Sommario Il problema della pianificazione e della rappresentazione Panoramica degli approcci esistenti alla pianificazione ed alla rappresentazione

5 Approcci alla pianificazione Case-based planning Un problema dato in input viene adattato a template già presenti in una libreria di piani Se il match non è possibile una procedura di pianificazione classica modifica un template esistente o ne aggiunge uno nuovo Può portare a piani sub-ottimi Hierarchical Task Network La pianificazione viene eseguita in un alto livello, che schedula azioni specifiche di medio/basso livello Le specifiche operazioni di medio/basso livello sono implementate con sequenze-di-azioni predeterminate o con macchine a stati a stretta interazione con i dati sensoriali Le azioni di medio/basso livello sono pensate ad hoc

6 Approcci alla pianificazione Temporal planning Idea: un piano lungo difficilmente sarà portato a termine a causa della dinamicità dell ambiente Considero il piano valido entro un orizzonte temporale determinato L orizzonte di pianificazione si sposta in avanti: ripianifico periodicamente sulla base delle nuove osservazioni Heuristic planning I domini si differenziano dal punto di vista ontologico e rappresentativo Uso differenti formalismi, costrutti e tecniche di ragionamento adatti alle diverse occasioni Le parti costituenti sono progettate ad hoc, sulla base della conoscenza di reali esperti nel campo di interesse

7 Approcci alla pianificazione Tutti gli approcci derivano dal formalismo STRIPS Uso di predicati logici per definire lo stato del mondo ed il comportamento delle azioni Descrizione dello stato iniziale e di quello finale desiderato Un modello per le azioni che contempla precondizioni ed effetti Il moderno formalismo PDDL introduce l uso di tipi per i parametri (:action navigate :parameters (?r - MOBILE-ROBOT?p1 - PLACE?p2 - PLACE) :precondition (and (is-in?r?p1)) :effect (and (not (is-in?r?p1)) (is-in?r?p2))) (:action load :parameters (?r - MOBILE-ROBOT?b - BLOCK?p - PLACE) :precondition (and (is-in?r?p) (is-in?b?p) (gripper-free?r)) :effect (and (not (gripper-free?r)) (gripper-holding?r?b) (not (is-in?b?p)))) (:action arrange-blocks-0 :parameters (?r - MOBILE-ROBOT?p - PLACE) :precondition (and (gripper-free?r) (is-in?r?p) (is-in block-a?p) (is-in block-b?p) (not (problem-solved?p block-conf-h-tv-hall))) :effect (problem-solved?p block-conf-h-tv-hall))) (:action unload :parameters (?r - MOBILE-ROBOT?b - BLOCK?p - PLACE) :precondition (and (is-in?r?p) (gripper-holding?r?b)) :effect (and (not (gripper-holding?r?b)) (is-in?b?p) (gripper-free?r)))

8 Approcci alla rappresentazione Approcci logic-based Calcolo dei predicati Procedure di inferenza classiche Approcci non logic-based Considerazioni cognitive Strutture a rete Le reti semantiche Gli approcci logici esplodono combinatorialmente nella dimensione del problema da rappresentare Idea: una struttura gerarchica migliora l efficienza del ragionamento La conoscenza non è un insieme di simboli, ma un aggregato di diverse entità (immagini, parole, concetti) rappresentabili mediante simboli

9 Approcci alla rappresentazione KL-ONE Le reti semantiche sono un sottoinsieme della Logica del Primo Ordine Differenti formalizzazioni nei costrutti di rappresentazione conducono a diverse proprietà di correttezza e completezza (es. LOOM e Classic) Sussunzione come algoritmo di inferenza (polinomiale) A sussume B se A è più generale di B Struttura a grafo Ogni nodo è equivalente ad un concetto Ogni arco è equivalente ad una relazione tra concetti Eredità delle proprietà tramite un meccanismo IS-A I ruoli specificano le relazioni (uno a uno, uno a molti, ) tra concetti Esistono individui definiti come istanze di concetti

10 Approcci alla rappresentazione ROBOT actuallyinvolved STRING status-place OBJECT is-involvedafter-planning MOBILE- ROBOT PLACE made-ofblocks BLOCK OBJECT in-place BLOCK- CONF INTEGER floor FLOOR hasabstract ROBOTIC-ARM BW-OBJECT has-abstract MOBILE- ROBOT status-place PLACE id is-at-floor status-place has-landmark has-abstract area type LANDMARK BW-ROBOTIC- ARM BW-OBJECT

11 Sommario Il problema della pianificazione e della rappresentazione Panoramica degli approcci esistenti alla pianificazione ed alla rappresentazione Il caso di studio considerato

12 Caso di studio Robot Mobile Autonomo per applicazioni di servizio Navigazione all interno di un edificio potenzialmente strutturato su diversi piani Interazione con elementi intelligenti dell ambiente: ascensori, porte automatiche, luci, Trasporto di oggetti da una stanza ad un altra, potenzialmente su diversi piani Sorveglianza diurna e notturna Guida per visitatori

13 Sommario Il problema della pianificazione e della rappresentazione Panoramica degli approcci esistenti alla pianificazione ed alla rappresentazione I casi di studio considerati Il sentiero intrapreso

14 Il sentiero intrapreso Uso di Blackbox come pianificatore Algoritmi di inferenza veloci Nasce dalla simbiosi tra metodologie basate su SATplan e Graph-plan Adesione al formalismo PDDL 2.1 Uso di NeoClassic come rete semantica E corretto e completo (se esiste, trova una soluzione ed è quella giusta, in tempo polinomiale) Non sono esprimibili le negazioni Funzioni hook: uso di funzioni user-defined per gestire stati della rete semantica Aggiunta e rimozione di conoscenza a run-time

15 Il sentiero intrapreso Creazione di due agenti software che comunicano tramite il framework Ethnos Sistema multiagente per la gestione di Robot Mobili Autonomi Gestione di un Ecosistema Artificiale : il robot è pensato come una unità mobile operante in un ambiente intelligente Intelligent Device: Beacon for Localization Control of TV camera On Board PC: Build Map On Board PC: Plan a path On Board PC: Generate a trajectory Intelligent Device: Beacon for Localization Global Message Board to/from Intelligent Devices in the building Local Message Board Intelligent Device: Beacon for Localization Control of Elevator Intelligent Device: USSensors Intelligent Device: Bumpers Intelligent Device: Motors

16 La Base di Conoscenza Rappresentazione di oggetti fisici del mondo di interesse (MOBILE-ROBOT, ROOM, DOOR, ) Rappresentazione di azioni eseguibili Definizione del concetto ACTION nel formalismo STRIPS Definizione del concetto LOGIC-PREDICATE per la gestione di precondizioni ed effetti delle ACTION Rappresentazione di problemi Definizione di un concetto PROBLEM come due elenchi di LOGIC-PREDICATE (stato iniziale e finale) Rappresentazione di piani Definizione di un concetto PLAN come una sequenza di ACTION

17 Rappresentazione di oggetti ROBOT status-place OBJECT STRING actuallyinvolved is-involvedafter-planning MOBILE- ROBOT PLACE made-ofblocks BLOCK OBJECT in-place BLOCK- CONF INTEGER floor FLOOR hasabstract has-abstract PLACE id area type ROBOTIC-ARM MOBILE- ROBOT status-place is-at-floor has-landmark LANDMARK BW-OBJECT status-place has-abstract BW-ROBOTIC- ARM BW-OBJECT

18 Rappresentazione di operatori precondlist INTEGER ACTION number PREDICATE add-list delete-list MOBILE- ROBOT-IN- PRED NAVIGATE precondlist delete-list add-list OBJECT MOBILE- ROBOT PLACE BLOCK X-param Z-param Y-param BRIDGE- PRED IS-IN- BLOCK HAS-ARM- EMPTY- PRED HAS-ARM- HOLDING- PRED LOAD X-param Z-param Y-param precondlist delete-list add-list ACTION GO PREDICATE precondlist delete-list add-list MOBILE- ROBOT CONNECTED -PRED MR-IN- PRED PLACE r p X-param Y-param Z-param precondlist delete-list add-list

19 Rappresentazione di problemi e piani actual-domain PROBLEM actual-domain DOMAIN OBJECT BW- DOMAIN cons-nav-places cons-floors DOMAIN i-s g-s PROBLEM PLACE cons-nmr i-s g-s MOBILE- ROBOT FLOOR ACTION t-g-s f-i-s d m-o-a PREDICATE PREDICATE solves solves PLAN d ACTION f-i-s m-o-a t-g-s PLAN

20 La Base di Conoscenza Vogliamo rappresentare uno scenario composto Ogni sotto-scenario deve utilizzare propri ACTION, OBJECT, PROBLEM e PLAN Avremo quindi ACTION (azioni di navigazione), ELEV-ACTION (azioni connesse alla gestione di ascensori), BW-ACTION (manipolazione di oggetti) tutte sussunte da ACTION, ecc. Definiamo un concetto DOMAIN per incapulare ACTION, LOGIC-PREDICATE, OBJECT, ecc Architettura a due (o più livelli) Livelli base, definiti dai DOMAIN Un alto livello, che astragga le parti rilevanti dei domini per gestire la loro interazione ( memoria ) ad alto livello Es: trasporto di un oggetto da un posto ad un altro

21 La Base di Conoscenza I domini interagiscono usando l alto livello Comunicazione La comunicazione è bidirezionale Astrazione di oggetti, piani, problemi, Associazione tra simboli di alto livello e di dominio Devo classificare il dominio di appartenenza dei problemi Devo generare i piani da eseguire pp DOMAIN ob PLAN- PREDICATE ELEV- DOMAIN op OPERATOR OBJECT SWITCH- DOMAIN SWITCH- OPERATOR SWITCH- PLAN- PRED OPERATOR BW- OBJECT PLAN- PRED OBJECT BW- PLAN- PRED BW- OPERATOR SWITCH- OBJECT DOMAIN BW- DOMAIN bwop bwob bwpp ON CLEAR

22 Generazione ed esecuzione di piani A partire dall istanza del PROBLEM in input e dagli oggetti presenti nella base di conoscenza vengono costruite le sole istanze di LOGIC-PREDICATE rilevanti Si cerca di classificare l istanza del PROBLEM attuale come un particolare problema (un NAV/ELEV/ -PROBLEM, ecc) mediante la sussunzione. Es: una istanza di PROBLEM è sussunta dal concetto PROBLEM se ogni LOGIC- PREDICATE che compone le precondizioni e gli effetti è classificabile come LOGIC-PREDICATE Se questo è possibile viene generato una nuova istanza di NAV/ELEV/ -PLAN eseguibile immediatamente dal robot Se questo non è possibile il sistema usa l istanza del PROBLEM generico per generare una istanza di PLAN generica. Per far questo sono derivati: Oggetti generici Predicati generici

23 Generazione ed esecuzione di piani Es: per ogni PLACE utile ai fini di un PLAN generico costruisco un istanza di PLACE che tenga traccia del PLACE originario Es: i (NAV/ELEV/BW-)LOGIC-PREDICATE vengono convertiti in predicati più astratti, usati per la generazione del PLAN Start State (given problem) is-in staffetta entrance gripper-free staffetta is-in block-a carpet-room is-in block-b tv-hall on-table block-a on-table block-b clear block-a clear block-b Start State (domain independent problem) is-in staffetta entrance gripper-free staffetta is-in block-a carpet-room is-in block-b tv-hall not problem-solved tv-hall block-conf-tv-hall Goal State (given Problem) is-in staffetta tv-hall gripper-free staffetta is-in block-a tv-hall is-in block-b tv-hall on-table block-a on block-a block-b clear block-b Goal State (domain independent problem) is-in staffetta tv-hall gripper-free staffetta is-in block-a tv-hall is-in block-b tv-hall problem-solved tv-hall block-conf-tv-hall

24 Generazione ed esecuzione di piani Si traducono automaticamente le istanze del (NAV/ELEV/ - )PROBLEM, del (NAV/ELEV/ -)DOMAIN, dei (NAV/ELEV/ - )LOGIC-PREDICATE, delle (NAV/ELEV/ -) ACTION dal formalismo Classic a quello PDDL Blackbox fornisce un piano (se esiste) che viene convertito in una istanza di (NAV/ELEV/ -)PLAN entro la Base di Conoscenza Eseguire un PLAN significa eseguire sequenzialmente ogni ACTION di cui il PLAN è composto Idea: ogni ACTION indica cosa si deve fare ma non come questo debba essere fatto ( Vai dal piano terra al secondo piano ) Ogni ACTION a sua volta genera un NAV/ELEV/ -PROBLEM, la cui soluzione reitera la procedura appena vista Eseguire un NAV/ELEV/ -PLAN significa eseguire specifiche NAV/ELEV/ -ACTION, è cioè significa uscire dal dominio simbolico per rientrare nel medio/basso livello.

25 Sommario Il problema della pianificazione e della rappresentazione Panoramica degli approcci alla pianificazione ed alla rappresentazione esistenti I casi di studio considerati Il sentiero intrapreso Integrazione con tecniche ed algoritmi di medio e basso livello

26 Il medio e basso livello L interazione tra il livello simbolico ed il livelli medio/basso dipendono dal framework sottostante e dai servizi che questo espone Nel caso particolare Ethnos permette la navigazione su un grafo, dove ogni nodo rappresenta un landmark e permette la comunicazione con dispositivi intelligenti fissi nell ambiente, oltre alla comunicazione tra agenti software Eseguire una singola ACTION come GO(init_place, target_place) significa fornire una sequenza di landmark che il robot deve visitare in successione I concetti LANDMARK (definito in funzione di coordinate X e Y) e LANDMARK-SEQUENCE gestiscono percorsi prestabiliti tra diversi PLACE Analogamente, un azione del tipo ELEV-ACTION come USE-ELEVATOR(elev) implica la trasmissione di una sequenza di comandi al dispositivo intelligente incaricato di gestire il controllo dell ELEVATOR.

27 Sommario Il problema della pianificazione e della rappresentazione Panoramica degli approcci alla pianificazione ed alla rappresentazione esistenti Il caso di studio considerato Il sentiero intrapreso Integrazione con tecniche ed algoritmi di medio e basso livello Risultati sperimentali e sviluppi futuri In simulazione

28 Risultati sperimentali in simulazione Goal state Casalino-office Little-room Braccini-office Goal state C D C A D B A B a b Zaccaria-office Initial state Elevator Initial state Vernazza-office Elevator

29 Sommario Il problema della pianificazione e della rappresentazione Panoramica degli approcci esistenti alla pianificazione ed alla rappresentazione Il caso di studio considerato Il sentiero intrapreso Integrazione con tecniche ed algoritmi di medio e basso livello Risultati sperimentali e sviluppi futuri In simulazione Con robot reali

30 Sviluppi attuali e futuri Classificazione di cluster di colore per applicazioni di videosorveglianza Integrazione con il Progetto ANSER per la gestione di piani per ronde di sorveglianza in vaste aree Gestione intelligente dello stato di carica delle batterie Gestione del comportamento intelligente per robot di intrattenimento, guide in musei,