A Hybrid Deliberative Layer for Robotic Agents: Fusing DL Reasoning with HTN Planning in Autonomous Robots

لایه مشورتی ترکیبی (HDL) مشکلی را که یک عامل هوشمند در برخورد با حجم زیادی از اطلاعات با آن مواجه است را حل می کند که ممکن است در ایجاد یک برنامه برای رسیدن به هدف مفید باشد یا نباشد. اطلاعاتی که ممکن است یک عامل به آن نیاز داشته باشد، در مدل DL به دست می آید و ذخیره می شود. بنابراین، HDL به عنوان سیستم پایه دانش اصلی برای عامل استفاده می‌شود.

در این کار، یک رویکرد جدید که استدلال منطق توصیف (DL) را با برنامه‌ریزی شبکه وظیفه سلسله مراتبی (HTN) ادغام می‌کند، معرفی می‌شود. تجزیه و تحلیلی از عملکرد رویکرد انجام شده است و نتایج نشان می‌دهد که این رویکرد توصیف‌های مشکل برنامه‌ریزی به‌طور قابل‌توجهی کوچک‌تر از آنچه که توسط نمایش‌های فعلی در برنامه‌ریزی HTN ایجاد می‌شود، ارائه می‌دهد.

The Hybrid Deliberative Layer (HDL) solves the problem that an intelligent agent faces in dealing with a large amount of information which may or may not be useful in generating a plan to achieve a goal. The information, that an agent may need, is acquired and stored in the DL model. Thus, the HDL is used as the main knowledge base system for the agent.

In this work, a novel approach which amalgamates Description Logic (DL) reasoning with Hierarchical Task Network (HTN) planning is introduced. An analysis of the performance of the approach has been conducted and the results show that this approach yields significantly smaller planning problem descriptions than those generated by current representations in HTN planning.