DOI QR코드

DOI QR Code

자율 로봇의 오류 보정을 위한 이정표 상태 생성 방법

Milestone State Generation Methods for Failure Handling of Autonomous Robots

  • 한현구 (한국외국어대학교 컴퓨터공학과)
  • Han, Hyun-Goo (Department of Computer Science and Engineering, Hankuk University of Foreign Studies)
  • 투고 : 2011.03.02
  • 심사 : 2011.06.09
  • 발행 : 2011.06.30

초록

지능형 자율 로봇은 주어진 목표를 달성하기 위하여 계획을 수립한다. 계획은 로봇이 목표를 달성하기 위한 행위들의 나열이며 모든 행위들이 순차적으로 그리고 성공적으로 실행되었을 때 목표를 달성하게 된다. 그러나 복잡하고 역동적인 현실 세계에서는 여러 가지 요인에 의하여 발생할 수 있는 예상하지 못한 상황으로 인하여 로봇이 계획한 행위들을 더 이상 실행하지 못하는 경우가 발생할 수 있다. 그러므로 지능형 자율 로봇은 이러한 돌발 상황을 적절히 대처하여 주어진 임무를 성공적으로 완수할 수 있는 효과적인 처리 방법을 가지고 있어야 한다. 이정표 상태를 이용한 계획 보정 방법은 이러한 상황을 효과적으로 처리할 수 있는 방법으로서 다른 계획 보정 방법들의 장점을 가지고 있다. 본 논문은 이정표 상태를 생성하는 방법으로 후진 방법과 이정표 상태들을 구성하는 조건들에 가중치를 부여하는 방법을 제안한다. 오류 보정 방법은 부여된 가중치를 보정해야 할 조건들의 우선순위로 사용할 수 있다. 후진 방법에 의하여 생성된 이정표 상태들은 복잡정도가 낮고 또한 적당한 값의 가중치를 가지게 되므로 이정표를 이용한 효율적인 계획 오류 보정 방법을 보장하게 된다.

An intelligent autonomous robot generates a plan to achieve a goal. A plan is a sequence of robot actions that accomplish a given mission by being successfully executed. However, in the complex and dynamic real world, a robot may encounter unexpected situations and may not execute its planned actions any more. Therefore, an intelligent autonomous robot must prepare an efficient handling process to cope with these situations to successfully complete a given mission. Plan repair with milestone states is an efficient method to cope with the situation. It retains the advantages of other plan repair procedures. This paper proposes a regressive method of formulating milestone states and a method of assigning weighting values on conditions that compose a milestone state. The task to repair a plan may employ the weighting values as its job priority. The regressive method formulates less complex milestone states and leads to the conditions of a milestone state to take pertinent weighting values for an efficient handling procedure to repair a plan with milestone states.

키워드

참고문헌

  1. Joo, Eunchul, 'Industrial Trends & Development Strategies of IT Fusion - Robots', Business Information Research', http://www.birbook.com
  2. Do, Yongtae et al., 'Artificial Intelligence Conceps and Applications', 3rd Edition, SciTech, Seoul Korea, 2009
  3. Malik Ghallab, Dana Nau, Paolo Traverso. 'Automated Planning Theory and Practice', Morgan Kaufmann Publishers, New York, 2004
  4. Hyungoo Han, Kai Chang, William Day, 'A Comparison of Failure Handling Approaches for Planning Systems - Replanning vs. Recovery', Journal of Applied Intelligence, Vol. 3, Kluwer academic publishers, pp. 275-300, 1993 https://doi.org/10.1007/BF00872133
  5. Richard E. Fikes, Nils J. Nilsson, 'STRIPS: A New Approach to the Application of Theorem Proving to Problem Solving', Artificial Intelligence (2), pp. 189-208, 1971
  6. Jianming Guo, Liang Liu, 'A Study of Improvement of $D^{\ast}$ Algorithms for Mobile Robot Path Planning in Partial Unknown Environments', Kybernetes Vol. 39, Emerald Group Publishing Limited, Issue 6, pp. 935-945, 2010 https://doi.org/10.1108/03684921011046708
  7. Han, Hyungoo, 'Plan Repair with Milestone States', Journal of Information Industrial Engineering, Institute of Information Industrial Engineering Hankuk Univ. of Foreign Studies'. Vol. 13, pp. 205-216, 2009.
  8. Bernhard Nebel, Jana Koehler, 'Plan Reuse versus Plan Generation: A Theoretical and Empirical Analysis,' Artificial Intelligence, 76, pp. 427-454, 1995 https://doi.org/10.1016/0004-3702(94)00082-C
  9. Roman van der Krogt, Mathijs de Weerdt, 'Plan Repair as an Extension of Planning', ICAPS, pp. 161-170, 2005
  10. C. A. Broverman and W. B. Croft, 'Reasoning about Exceptions During Plan Execution Monitoring', Proc. Intl. Conf. Artificial Intelligence, Seattle, WA, pp .190-195, 1987
  11. T. Dean and M. Wellman, 'Planning and Control', Morgan Kaufmann, 1991
  12. Hyundai Heavy Industry, T/G Part of the Engine Machinery Dept. http://www.hhi.co.kr/korea/EngineMachinery