1.2 任务规划方法

(1) 经典任务规划范式。斯坦福问题求解器(Stanford research institute problem solver, STRIPS)[29]是第一个经典任务规划求解器，问题被描述为实现既定目标，提出了一种使用预先条件和效果表示可执行行动的算子，称为STRIPS算子。经典任务规划在早期人工智能研究中得到广泛的应用，但是这种方法没有明确的时间模型，无法表示任务的资源消耗和需求，无法表征不确定信息，且只能指定达到的目标。

(2) 分层任务网络(hierarchical task network, HTN)。采用递归方法将高层任务扩展为底层任务。扩展过程由称为“方法”的规则驱动,“方法”可以看作是从高层任务到部分有序任务网络的映射以及行动约束集合。HTN最大的优势是可以通过设计“方法”来控制任务分解的过程,而在经典的规划方法中行动的条件和效果只是明确了什么情况下可以使用该行动。HTN规划方法在实际问题中得到广泛的应用[30]。

(3) 决策论规划方法。决策论规划方法将规划问题建模为马尔可夫决策过程[31],这种规划方法中状态的转移是概率的,特别适用于处理不确定情况下的规划问题。但是,马尔可夫决策过程难以解决具有任务目标的规划问题。

1.3 任务规划领域知识表示与建模

(1) 任务规划表示语言。规划表示语言是实现任务规划的第一步,STRIPS算子兼有规划问题表示和操作的能力,实现了规划问题的规范化表示,使规划问题的求解更加方便。文献[32]提出的体系结构描述语言,是STRIPS的早期扩展版本,相对于STRIPS提高了表示能力,但是语义模糊没有获得广泛的应用。规划领域定义语言(planning domain definition language,PDDL)是一种标准化的任务表示语言,也是最常用的描述语言[33-34]。PDDL是一种纯符号化方法描述规划问题的语言,无法描述涉及导航等几何计算的子问题。概率PDDL(probabilistic PDDL，PPDDL)是在PDDL语言的基础上扩展而来,能够以概率方式表示行动的结果,具备概率规划能力。面向对象的规划语言[35],融合了面向对象编程的优点,通过一个特定的接口,扩展了符号规划结果的外部访问特性。

(2) 任务规划领域知识表示方法。Nau[36]和Knoblock[37]等开始了规划领域建模的工作,并指出任务规划中需要更好的知识建模方法和更丰富的规划知识。文献[38]和文献[39]针对一般任务构建了领域知识本体。Yolanda等人提出了一种聚焦计划表示(plan semantic net,PLANET)的本体[40],是一种聚焦计划表示的本体,通过将状态和行动的推理区别化对待的框架,通过映射规则实现非形式化文本中的语义, PLANET定义了计划上下文、目标、行动和任务,以及决策点等概念,并设计了联合作战空中任务指挥官本体、行动方针分析本体、对应变反应本体3种实用性的本体。但是,文献[38-40]也指出本体存在粒度无法支撑应用需要,缺少重要概念,没有考虑时间等问题。针对早期本体存在的这些问题,Rajpathak[41]等聚焦任务的形式化问题,形成了独立于特定领域、应用和推理方法的通用任务本体,明确了任务的初始状态、目标、计划、行动、代理、参数、时间域、约束、前提、成本函数、方案标准和规划模型等关键概念和准则。值得注意的是，Enrico提出的本体模型是基于业务概念建模语言(operational conceptual modelling language, OCML)[42],但是提供了从OCML转换到网络本体语言(ontology web language，OWL)[43]的机制,而在2004年OWL成为万维网联盟的推荐标准,并在之后成为比较重要和常用的本体建模语言。

(3) 不确定性知识表示方法。在现实世界中,特别是战场环境中,无人系统面临着处理大量不确定信息的情景,不确定性知识表示对于无人系统来说至关重要。当前处理不确定知识的数学理论主要有:模糊逻辑、贝叶斯网络、马尔可夫逻辑网络等。文献[44]将模糊逻辑引入到本体中,使用OWL2实现了模糊本体,通过概率注释方法表示信息的不确定性,能够表示模糊数据类型、模糊概念、模糊修饰符等模糊本体元素。文献[45]提出了一种从零开始构建模糊本体开发方法，并基于这种方法构建了一个海底环境的模糊本体。多实体贝叶斯网络(multi-entities Bayesian network,MEBN)[46]是贝叶斯网络的扩展,使用实体集合及实体之间的各种关系来表征环境中的不确定性。基于MEBN理论实现的本体技术,可以有效地解决推理问题,提高无人系统在任务执行过程中的应对能力,在欺诈检测[47]、海事预警[48]等领域都有应用,如图1所示。

图1 用于估计海洋污染紧急程度的MEBN模型

Fig.1 MEBN model for estimating emergency level of marine pollution