Planerkennung

Planerkennung Fast and Complete Symbolic Plan Recognition Dorit Avrahami-Zilberbrand & Gal A. Kaminka - 2005

Einleitung- Ansätze - Entwicklung - Fazit • Was ist ein Plan? • Ziel • Absicht Handlungen auszuführen • Menge von Planschritten (dient Erreichen des Ziels) • Planschritte haben Vorbedingung und Effekt • Dekomposition: Teilen eines Plans in Sub-Pläne

Einleitung- Ansätze - Entwicklung - Fazit • Was ist Planerkennung? • Generell zwei Herangehensweisen • 1. Aus erwartetem Ziel des Agenten den Plan simulieren • 2. Aus beobachteten Aktionen den Plan erkennen • Allen & Perrault (1980) • Teil der Entscheidungstheorie • 1. Präskriptive: Hilfen für optimale Entscheidungen • 2. Deskriptive: Versucht ein Verhalten zu erklären • Wissenschaftl. Forschungsgebiet seit ca. Mitte 80er

Einleitung- Ansätze - Entwicklung - Fazit • Wozu Planerkennung? • Unterhaltung  Computerspiele • Arbeitsalltag  Hilfestellungen* • Sicherheit  Vorhersagen, Folgereaktionen • Infrastruktur  Verbesserung, Optimierung

Einleitung - Ansätze - Entwicklung - Fazit • Merkmale der Planerkennung? • Modell „Mensch“: Inferieren bei Kenntnis der Thematik • Erzeugung einer Domäne von Plänen  Planbibliothek • Qualität korreliert mit Größe der Planbibliothek • closed-world und open-world Ansatz • Dekomposition (Maß!)

Einleitung - Ansätze - Entwicklung - Fazit • Dekomposition • Domäne (root)Soziale Kontakte • TLP Sport Internet Ausgehen Telefonieren • Kino Disco Bar • Stylen Haus verlassen Disco nach Hause

Einleitung - Ansätze - Entwicklung - Fazit • Dekomposition • Stylen • Duschen Anziehen Schminken Frisieren Handtasche • Haare waschen Waschen Abtrocknen

Einleitung - Ansätze - Entwicklung - Fazit • Dekomposition • Haare waschen • Shampoo Spülung Kur • Sequenzielle & temporale Relationen

Einleitung - Ansätze - Entwicklung - Fazit • Dekomposition • Spülung

Einleitung - Ansätze - Entwicklung - Fazit • Dekomposition • Ziel: Effizientes Auffinden von Planhypothesen • Mehrdeutigkeiten  Update nötig • Beispiel: Aktion „Duschen“ • Deshalb: Die Disambiguierung potentieller Planhypothesen ist die komplexeste Komponente des Planerkenners

Einleitung - Ansätze - Entwicklung - Fazit • Ansätze der Planerkennung • Kautz (1990): Ereignis-Hierarchie (complete), Auswahl einer • Teilmenge (covering), Update, Vorbedingungen (constraints) • Allen (1990): + Bewertung der Hypothesen durch feste „Scores“, • Problem: Unterschiedliche Betrachtungsweisen • Bayes'sche Netze: Verknüpfung der Wahrscheinlichkeitstheorie mit • Planerkennung  Bewertung der Hypothesen

Einleitung - Ansätze - Entwicklung - Fazit • Avrahami-Zilberbrand & Kaminka • Vergleich der Beobachtungen mit Planbibliothek • Berechnung der Planhypothesen • „multi-featured“ Beobachtungen •  Eigenschaft_1 * Eigenschaft_2 * … * Agenten = riesige PB! • „current state“ Berechnung • „state history“ Berechnung

Einleitung - Ansätze - Entwicklung - Fazit • Feature Decision Tree (FDT) • Planbibliothek erweitern um FDT • Kanten := Featurewerte • Knoten := Features • Blätter zeigen auf Planmenge •  Beschränkt Planbibliothek auf relevanten (möglichen!) Teil

Einleitung - Ansätze - Entwicklung - Fazit • Feature Decision Tree (FDT) • 10 5 8 • 50m 7m Nummer Distanz Distanz Distanz Pläne[] Pläne[]

Einleitung - Ansätze - Entwicklung - Fazit • Feature Decision Tree (FDT) • Planbibliothek erweitern um FDT • Kanten := Featurewerte • Knoten := Features • Blätter zeigen auf Planmenge •  Beschränkt Planbibliothek auf relevanten (möglichen!) Teil • Laufzeit vorher O(F*L) • jetzt O(F+L)

Einleitung - Ansätze - Entwicklung - Fazit • Planhypothesen (current state) • Alle möglichen Pfade in Planbibliothek markieren (FDT-Blatt) • Bei nächster Beobachtung: Überdeckung prüfen • Pläne mit fortlaufenden Nummern markieren (Erkennung von Inkons.) • Außerdem Erkennung von Inkons. über temporale Relationen • Shampoo Spülung1 Kur • Laufzeit: O(log L), aber temporale Inkons. berücksichtigt

Einleitung - Ansätze - Entwicklung - Fazit • Planhypothesen (state history) • Nicht einfach die Hypothesen jeder Zeit t • Hypothesen-Graph •  Verbinde konsistente Pläne in t mit konsistenten Plänen in t-1

Einleitung - Ansätze - Entwicklung - Fazit • Planhypothesen (state history) • Nicht einfach die Hypothesen jeder Zeit t • Hypothesen-Graph •  Verbinde konsistente Pläne in t mit konsistenten Plänen in t-1 • Laufzeit: O(Beobachtungen · L²)

Einleitung - Ansätze - Entwicklung - Fazit • Nachteile • Keine Bevorzugung diverser Hypothesen (Fokussierung). • Vgl. Mathias Bauer, Mitte 90er Jahre • Fehlende Erweiterbarkeit (closed-world)

Einleitung - Ansätze - Entwicklung - Fazit • Probleme der Planerkennung • Erfordert rationale Handlungen des Agenten • closed-world: Annahme des vollständigen Domänenwissens • open-world: Planbibliothek wird erweitert (Rechenaufwand) • Durchschnittlich ~38% der Aktionen Teil der optimalen Sequenz • Tippfehler, Verwechslung von Kommandos • Mehrere Ziele gleichzeitig

Einleitung - Ansätze - Entwicklung - Fazit • Future Work • Inzwischen schon Arbeiten im Bereich „Diagnose“ (Fehlerdiagnose) • Meir Kalech, Bar Ilan Universität, 2006 • Arbeiten von Kalech & Kaminka (seit ca. 2003) • Microsoft "Discovering the problem can be fairly easy, but determining the cause for it can be very difficult."

Einleitung - Ansätze - Entwicklung - Fazit • Aktuelles • 17.01.2008 17:58 Uhr, tagesschau.de • Patentantrag zur Nutzer-Überwachung • "Microsoft plant ein Computersystem, das erkennt, wenn Nutzer Probleme haben, […] • Die Microsoft-Entwickler skizzieren ein System, dass die Computer-Aktivitäten einer größeren Gruppe von Nutzern auswertet und dadurch zur Steigerung der "Gesamtnutzerproduktivität und Effizienz" beiträgt. Die Software, so die Idee, soll den Umgang der Nutzer mit ihren Geräten genau protokollieren. An Änderungen des Verhaltens kann sie dann erkennen, ob Nutzer […] gerade Probleme haben. Dann meldet sich die Software selbstständig mit Lösungsvorschlägen oder vermittelt Kontakt zu anderen Nutzern, die das selbe Problem bereits einmal erfolgreich gelöst haben."

Literatur • Kabayoglu Ulas - "Dempster-Shafer Theorie", Hauptseminararbeit, Universität Hannover, 2005 • Adalbert Mika - "Planerkennung", Hauptseminararbeit, Universität Düsburg-Essen, 2006 • Meir Kalech - "Model-based Diagnosis of Multi-Agent Systems", Bar Ilan Universität, Israel, 2006 • Diane J. Litman and James F. Allen - "Discourse Processing and Commonsense Plans" in Cohen • et al. "Intentions in Communication“ • Hung H. Bui - "A General Model for Online Probabilistic Plan Recognition", Australien, 2003 • Dorit Avrahami-Zilberbrand and Gal A. Kaminka - "Fast and Complete Symbolic Plan Recognition", • Bar Ilan Universität, Israel, 2005 • Thorsten Krebs - "Erkennen von Benutzerintentionen im inkrementellen Konfigurationsverlauf", • Diplomarbeit, 2004 • Mathias Bauer - "Intergrating Probabilistic Reasoning into Plan Recognition", 1994 • Mathias Bauer - "Acquisition of user preferences for plan recognition", 1996 • Mathias Bauer - "Quantitive Modeling of User Preferences for Plan Recognition", 1994

Planerkennung

Planerkennung

Presentation Transcript