Database Reference
In-Depth Information
Es gibt Ansatze, im Rahmen des Situationskalkuls eine logische Semantik fur
derartige Planungserweiterungen zu definieren (z.B. [203, 136]). Ein Beispiel dafur
ist die Programmiersprache GOLOG [135, 89]. GOLOG realisiert eine Erweiterung
des Situationskalkuls, in der komplexe Aktionen unter anderem mit if-then-else-
Strukturen oder rekursiven Prozeduren ausgedruckt werden konnen. Einen guten
Uberblick uber aktuelle Planungmethoden und -anwendungen ist in [86] zu finden.
Insbesondere fur autonome Agenten, die ihre Umwelt mit Sensoren wahrneh-
men und in Abhangigkeit von empfangenen Sensordaten planen mussen, sind die
oben beschriebenen Handlungsspielraume unerlasslich. Auf die Modellierung solcher
autonomen Agenten werden wir in Kapitel 12 ausfuhrlich eingehen.
Zur Illustration der Leistungsfahigkeit aktueller Planungssysteme mochten wir
zum Abschluss dieses Kapitels auf die Realisierung des autonomen Roboters RHI-
NO eingehen. Im “Deutschen Museum Bonn” war es wahrend der Dauer von sechs
Tagen RHINOs Aufgabe, Museumsbesucher selbstandig durch verschiedene Raume
zu gewunschten Ausstellungsstucken zu fuhren [33, 34]. Die Steuerungssoftware von
RHINO integriert sowohl probabilistisches Schließen (z.B. fur Positionsbestimmung)
als auch Problemlosungsmethoden, die auf Pradikatenlogik 1. Stufe aufsetzen. Fur
die Aufgabenplanung wird GOLOG eingesetzt. In Abhangigkeit von Anforderungen
der Museumsbesucher generiert GOLOG eine Sequenz von (symbolischen) Aktio-
nen, die diese Anforderungen erfullen. Diese symbolischen Aktionen werden dann in
bedingte Plane mit verschiedenen Abstraktionsstufen transformiert. Die Bedingun-
gen in den Planen machen die Auswahl des nachsten Schrittes abhangig von dem
Ergebnis von Sensoroperationen (z.B. Ergebnis der Entfernungsmessung).
Die Autoren berichten in [33], dass RHINO wahrend der sechs Tage, die er in
dem Museum im Einsatz war, ca. 2400 Anforderungen fur eine Fuhrung erfolgreich
erledigt und dabei 18,6 km zuruckgelegt hat. Wahrend der 47stundigen Einsatzzeit
gab es lediglich sechs (leichtere) Kollisionen mit Hindernissen, wobei nur eine davon
durch einen Softwarefehler ausgelost wurde, da das Modul zur Positionsbestimmung
nicht mit der notwendigen Prazision gearbeitet hatte. Lediglich sechs Anforderungen
konnten nicht erfolgreich bearbeitet werden (meistens wegen notwendigen Wechsels
der Batterien); dies entspricht einer Erfolgsrate von 99,75%. Weitere Informationen
zum RHINO-Projekt sind in [10] zu finden.
Ein weiteres Beispiel fur den erfolgreichen Einsatz von Planungsmethoden in
autonomen Agenten, das ebenfalls von einer breiteren Offentlichkeit wahrgenommen
wird, sind die fußballspielenden Roboter, die im RoboCup-Wettbewerb gegeneinan-
der antreten [7, 233, 115, 166, 167].
Die Nutzlichkeit indirekter Beschreibungen von Aktionen, wie sie beim Pla-
nen mit Antwortmengen verwendet werden, ist beeindruckend in Anwendungen de-
monstriert worden. So wird in [239] die Modellierung des Reaktionskontrollsystems
(
Reaction Control System, RCS
) des Space Shuttle beschrieben. Dabei sind Steue-
rungselemente, Treibstoffbehalter, Heliumtanks, Leitungen, Ventile und viele andere
Komponentenzuberucksichtigen. Das Umlegen eines Schalters wird nur durch einen
einzigen direkten Effekt beschrieben (der Schalter befindet sich anschließend in ei-
ner neuen Position); alle anderen Effekte werden indirekt beschrieben [239]. Nach
[140] fuhrt dies zu einer wohl strukturierten und einfach zu verstehenden formalen
Beschreibung der Operationen des RCS.
