인공 지능에서 반응 계획은 자율적 인 에이전트에 의한 액션 선택을위한 기술 그룹을 나타냅니다. 이러한 기술은 두 가지 측면에서 고전적인 계획과 다릅니다. 첫째, 적시에 운영되므로 매우 역동적이고 예측할 수없는 환경에 대처할 수 있습니다. 둘째, 현재 상황을 기반으로 모든 순간에 다음 액션 하나만 계산합니다. 리 액티브 플래너는 (항상은 아니지만) 리 액티브 플랜을 악용합니다. 리 액티브 플랜은 상담원의 우선 순위 및 동작을 설명하는 구조를 저장합니다.
반응 적 계획이란 용어가 적어도 1988 년으로 거슬러 올라간다 할지라도, “반응 적”이라는 용어는 이제 능동적 인 의미에서 반의어로 사용되는 경멸이되었습니다. 반응 형 계획을 사용하는 거의 모든 에이전트가 능동적이기 때문에 일부 연구원은 반응 형 계획을 동적 계획이라고 부르기 시작했습니다.
반응적 계획 표현
대응 계획을 표현하는 데는 여러 가지 방법이 있습니다. 모두는 기본적인 표현 단위와이 단위들을 계획으로 구성하는 수단을 필요로합니다.
조건 – 액션 규칙 (프로덕션)
조건 조! 룰 또는 if-then 룰은 다음과 같은 형식의 규칙입니다. 조건 일 경우 조치. 이러한 규칙을 제작이라고합니다. 규칙의 의미는 다음과 같습니다. 조건이 충족되면 조치를 수행하십시오. 동작은 외부 (예 : 무언가를 집어 들고 이동) 또는 내부 (예 : 내부 메모리에 사실을 기록하거나 새로운 규칙 집합을 평가할 수 있음) 일 수 있습니다. 조건은 일반적으로 부울이며 동작을 수행 할 수도 있고하지 않을 수도 있습니다.
생산 규칙은 상대적으로 평평한 구조로 조직 될 수 있지만 더 자주 어떤 종류의 계층 구조로 조직됩니다. 예를 들어, 포함 구조는 상호 연결된 행동의 계층으로 구성되며 실제로는 각각 적절한 입력에 대한 응답으로 작동하는 유한 상태 시스템입니다. 그런 다음이 계층은 단순 스택으로 구성되며 상위 계층은 하위 계층의 목표를 포함합니다. 다른 시스템은 나무를 사용할 수도 있고, 어떤 목표 / 규칙 하위 집합이 현재 가장 중요한지를 변경하기위한 특별한 메커니즘을 포함 할 수도 있습니다. 편평한 구조물은 상대적으로 제작하기가 쉽지만 간단한 거동에 대한 설명 만 허용하거나 부족한 구조물을 보완하기 위해 엄청나게 복잡한 조건을 필요로합니다.
분산 작업 선택 알고리즘에서 중요한 부분은 충돌 해결 메커니즘입니다. 이는 주어진 순간에 둘 이상의 규칙 조건이 유지 될 때 제안 된 작업 간의 충돌을 해결하기위한 메커니즘입니다. 충돌은 다음과 같이 해결할 수 있습니다.
미리 고정 된 우선 순위를 규칙에 할당하고,
환경 설정 지정 (예 : Soar 아키텍처),
규칙 사이의 상대적인 유틸리티 학습 (예 : ACT-R),
계획의 형태를 악용합니다.
전문가 시스템에서는 규칙 선택의 성향과 같은 더 간단한 휴리스틱을 사용하지만 단순한 방법으로 대규모 시스템에서 좋은 동작을 보장하는 것은 어렵습니다.
충돌 해결은 상호 배타적 인 행동을 취하려는 규칙에만 필요합니다 (c.f. Blumberg 1996).
이러한 종류의 대응 계획에 대한 몇 가지 제한 사항은 Brom (2005)에서 찾아 볼 수 있습니다.
유한 상태 기계
FSM (Finite State Machine)은 시스템의 동작 모델입니다. FSM은 컴퓨터 과학에서 널리 사용됩니다. 에이전트의 모델링 동작은 가능한 응용 프로그램 중 하나 일뿐입니다. 에이전트의 동작을 설명하는 데 사용되는 일반적인 FSM은 이러한 상태들 사이의 상태 집합과 전환으로 구성됩니다. 전환은 실제로 조건 액션 규칙입니다. 매순간 FSM의 한 상태 만 활성화되고 전환이 평가됩니다. 변환이 수행되면 다른 상태가 활성화됩니다. 즉, 일반적으로 전환은 다음과 같은 형식의 규칙입니다. if condition then activate-new-state. 그러나 전환은 상태를 실제로 변경하지 않고 전환 작업을 실행할 수 있도록 일부 시스템에서 ‘자체’상태에 연결할 수도 있습니다.
FSM으로 동작을 생성하는 방법에는 두 가지가 있습니다. 그것들은 디자이너가 주와 관련된 것에 달려 있습니다. 그것들은 ‘행동’이나 스크립트 일 수 있습니다. ‘행위’는 FSM이 주어진 상태 인 경우 에이전트가 수행해야하는 원자 적 행동입니다. 이 작업은 매 번 단계마다 수행됩니다. 그러나 후자의 경우가 더 자주 있습니다. 여기서 모든 상태는 스크립트와 연관되어 있습니다. 스크립트는 FSM이 주어진 상태에있는 경우 에이전트가 수행해야하는 일련의 작업을 설명합니다. 전환이 새로운 상태를 활성화하면 이전 스크립트는 중단되고 새로운 스크립트가 시작됩니다.
스크립트가 더 복잡하면 여러 스크립트로 나눌 수 있으며 계층 적 FSM을 악용 할 수 있습니다. 이러한 자동화에서는 모든 상태가 substate를 포함 할 수 있습니다. 원자 수준의 상태 만 스크립트 (복잡하지 않음) 또는 원자 적 조치와 연관됩니다.
계산 상으로 계층 적 FSM은 FSM과 동일합니다. 즉, 각 계층 적 FSM을 기존의 FSM으로 변환 할 수 있습니다. 그러나 계층 적 접근 방식을 사용하면 디자인이 더욱 원활 해집니다. 계층 적 FSM을 사용하는 컴퓨터 게임 봇의 ASM 예제는 Damian Isla (2005)의 문서를 참조하십시오.
퍼지 접근
if-then 규칙과 FSM을 모두 퍼지 논리와 결합 할 수 있습니다. 조건, 상태 및 동작은 각각 부울 또는 “예 / 아니오”가 아니지만 근사하고 원활합니다. 결과적으로, 결과 작업이보다 원활하게 전환됩니다. 특히 두 작업 간의 전환의 경우 더욱 그렇습니다. 그러나 퍼지 조건의 평가는 파삭 파삭 한 카운터 파트의 평가보다 훨씬 느립니다.
Alex Champandard의 아키텍처를 참조하십시오.
연결 주의자 접근법
반응 계획은 인공 신경망 또는 자유 흐름 계층과 같은 연결 네트워크에서도 나타낼 수 있습니다. 기본 표현 단위는 “추상적 활동”으로 유닛에 피드를 제공하고 활동을 다음 유닛으로 전파하는 링크를 출력하는 여러 입력 링크가있는 유닛입니다. 각 유닛 자체는 활동 변환기로 작동합니다. 일반적으로 유닛은 계층화 된 구조로 연결됩니다.
연결 주의적 네트워크의 장점은 첫째, 생기는 행동이 생생한 if-then 규칙과 FSM에 의해 생성 된 행동보다 더 부드럽고, 둘째, 네트워크가 종종 적응 적이며, 셋째, 억제 메커니즘이 사용될 수 있고 따라서 행동이 또한 proscriptively (규정하는 것만으로 행동을 규범 적으로 기술 할 수있다). 그러나이 방법에는 몇 가지 결함이 있습니다. 첫째, 설계자는 if-then 규칙과 비교하여 네트워크의 동작을 설명하는 것이 훨씬 더 복잡합니다. 둘째로, 특히 적응 형 기능이 악용되는 경우 비교적 간단한 동작 만 설명 할 수 있습니다.
반응적 계획 알고리즘
일반적인 반응 계획 알고리즘은 if-then 규칙을 평가하거나 연결 네트워크의 상태를 계산합니다. 그러나 일부 알고리즘에는 특별한 기능이 있습니다.
Rete 평가 : 적절한 논리 표현 (선명한 규칙에만 적합)을 사용하면 모든 시간 단계에서 규칙을 재평가 할 필요가 없습니다. 대신 이전 단계의 평가를 저장하는 캐시 형식을 사용할 수 있습니다.
스크립팅 언어 : 경우에 따라 규칙 또는 FSM은 아키텍처의 기본 요소 (예 : Soar)입니다. 하지만 반응 형 계획은 스크립팅 언어로 프로그래밍되며, 규칙은 프리미엄 (JAM 또는 ABL 에서처럼) 중 하나에 불과합니다.
조타
스티어링은 에이전트 탐색에 사용되는 특수 반응 기법입니다. 리 액티브 스티어링의 가장 간단한 형태는 센서 입력을 직접 에펙터 출력에 매핑하고 따르거나 피할 수있는 Braitenberg 차량에 사용됩니다. 보다 복잡한 시스템은 에이전트에 영향을 미치는 매력적 또는 반발력의 중첩을 기반으로합니다. 이런 종류의 조종은 크레이그 레이놀즈 (Craig Reynolds)의 보이드 (boid)에 대한 원작을 기반으로합니다. 스티어링을 통해 다음과 같은 간단한 형태를 얻을 수 있습니다.
목표 탐색 방향으로
장애물 회피 행동
행동을 따르는 벽
적에게 접근하다
포식자 회피
군중 행태
스티어링의 장점은 계산 상 매우 효율적이라는 것입니다. 컴퓨터 게임에서 수백 명의 병사가이 기술로 움직일 수 있습니다. 그러나 복잡한 지형 (예 : 건물)의 경우 조종은 경로 찾기와 결합해야합니다 (예 : Milani). 이는 계획의 한 형태입니다.