The invention discloses a probabilistic programming recognition method for task sequential logic constraints. Task sets are described by linear sequential logic language and transformed into corresponding Byuchi automata with known information of agents, task sets and environments. The environment is modeled by a finite state transition system, and the two are combined to form a planning library. The planner transmits the observation information of agents and the planning library. Taking the observation information and planning database of the target agent as input, considering the current position, attitude, historical trajectory and task process of the agent synthetically, the attitude calculation of the agent is based on the orientation angle of the agent and the target point, and the planner based on the Dijkstra algorithm is designed on the basis of the product Byuchi automaton to get the planning results. Set, the planner calculates the planning result set and the corresponding overall cost set, predicts the intention and behavior of the target agent under the condition of satisfying the observation sequence, and obtains the target probability and task probability according to the design probability calculation formula.
【技术实现步骤摘要】
一种任务时序逻辑约束的概率规划识别方法
本专利技术属于人工智能
，具体涉及一种任务时序逻辑约束的概率规划识别方法。
技术介绍
规划识别(planrecognition)在人工智能领域中是一个很有研究前景和具有一定热度的研究方向，是指根据通过各种途径获得的目标智能体的轨迹、动作等信息，预测/辨识该智能体目标/规划的过程。能够设计出合适的规划识别器推理出的预测/辨识结果，一方面填补在实际环境中已经发生但是未能观测到的信息，另一方面可以对目标智能体的未来目标和当前行为进行预测和辨识，推断出智能体未来可能的行为。规划识别应用在多个不同领域，例如:军事指挥、对手规划/敌意规划/应对规划、自然语言理解、智能帮助系统以及多智能体系统协作等。因此，针对规划识别这一类问题的研究具有很高的研究意义和实际价值，吸引着大量研究人员参与进来。针对实际应用中的任务时序逻辑和规划识别问题，已有的解决方案有如下几种：方案1：文献(GuoM,DimosDV.Multi-agentplanreconfigurationunderlocalLTLspecifications[J].Interna...
【技术保护点】
1.一种任务时序逻辑约束的概率规划识别方法，其特征在于，包括如下步骤：步骤一，建立面向实际环境的时序逻辑任务模型：利用有限状态转移系统对实际环境建模，再利用线性时序逻辑语言对任务进行描述并转换成对应Büchi自动机，将两者相结合建立同时具有环境信息和任务信息的乘积式Büchi自动机；将任务集中的所有任务建立形成对应乘积式Büchi自动机，组成规划库；步骤二，根据对目标智能体的观测信息和规划库信息，综合考虑智能体当前位置、姿态、历史轨迹以及任务进程，基于Dijkstra算法设计规划器，并得出规划结果集和整体代价集，其中，智能体的姿态计算以智能体与目标点的朝向角为基准；步骤三，...
【技术特征摘要】
1.一种任务时序逻辑约束的概率规划识别方法，其特征在于，包括如下步骤：步骤一，建立面向实际环境的时序逻辑任务模型：利用有限状态转移系统对实际环境建模，再利用线性时序逻辑语言对任务进行描述并转换成对应Büchi自动机，将两者相结合建立同时具有环境信息和任务信息的乘积式Büchi自动机；将任务集中的所有任务建立形成对应乘积式Büchi自动机，组成规划库；步骤二，根据对目标智能体的观测信息和规划库信息，综合考虑智能体当前位置、姿态、历史轨迹以及任务进程，基于Dijkstra算法设计规划器，并得出规划结果集和整体代价集，其中，智能体的姿态计算以智能体与目标点的朝向角为基准；步骤三，将规划和规划识别相结合形成统一的整体，对于非合作智能体的未来目标和当前执行任务进行预测和辨识，提取规划器的规划结果集中反映的目标和任务，以规划器的整体代价集为衡量标准，计算目标概率和任务概率。2.如权利要求1所述的一种任务时序逻辑约束的概率规划识别算法。其特征在于，所述步骤三中，计算得到目标概率和任务概率后，得到预测目标准确率和辨识任务准确率，给出针对所设计概率规划识别算法的评价标准。3.如权利要求1所述的一种任务时序逻辑约束的概率规划识别算法。其特征在于，所述步骤一中，具体包括如下步骤：(1)带权的有限状态转移系统：针对智能体的实际环境建模问题，采用带权的有限状态转移系统WFTS进行描述，定义如下：定义1.带权的有限状态转移系统(WFTS)由一个多元组组成：Τc＝(Π,→c,Π0,AP,Lc,Wc)其中：Π＝{π1,π2,...,πN}表示栅格化后实际环境的各个区域；→c：表示两两栅格区域之间的路径连通关系；Π0：表示智能体在初始时刻的实际位置；AP:表示描述不可再划分任务的原子命题；Lc:表示栅格区域对应的标签函数，即栅格区域对应的任务原子命题的属性；Wc:表示权重，即智能体在栅格区域之间互相转移所需的代价；状态πi可到达的状态表示为Post(πi)＝{πj∈Π|πi→cπj}；将待观察目标智能体的移动轨迹用一个无穷状态序列表示，τ＝π1→π2...，其中，πi∈Post(πi-1)；(2)非确定性Büchi自动机：利用线性时序逻辑LTL语言对原子命题AP进行描述，形成表达式相对于表达式存在一个与其对应的非确定性Büchi自动机NBA，记为定义2.定义为五元组：其中，Q表示由自动机中的各个状态q1,q2,...,qn组成的有限状态集合；表示由自动机中的初始状态组成的初始状态集合；2AP表示由任务原子命题组成的字母表；δ表示自动机中各状态之间的转移关系，表示由自动机中的可接受状态组成的可接受集合；(3)利用LTL语言对每个待辨识任务进行描述，并转换成相应Büchi自动机；将WFTS和NBA相结合形成面向实际环境的时序逻辑任务模型：定义3.带权的乘积式Büchi自动机PBA表示为其中：δ'＝Q'→2Q'.<πj,qn>∈δ'(<πi,qm>)当且仅当(πi,πj)∈→c并且qn∈δ(qm,Lc(πi))；Q0'＝{<π,q>|π∈Π0,q∈Q0}，是初始状态集；F'＝{<π,q>|π∈Π0,q∈F}，是可接受集；是权重函数：Wp(<πi,qm>,<πj,qn>)＝Wc(πi,πj)其中<πj,qn>∈δ'(<πi,qm>)；所述步骤二具体步骤包括：定义4.针对时序逻辑任务的规划问题定义为Pl＝{Ap,πc,Qc,Rs}，其中，Ap表示任务对应的乘积式自动机，πc表示智能体的当前位置，Qc表示当前时刻智能体可能对应的自动机中的状态集，Rs表示以q′c∈Q′c为起始点的Ap的所有可接受序列组成的集合，根据定义4，设定可接受序列的结构为:R＝<Rpre,Rsuf>＝q'cq'c+1…q'f[q'fq'f+1q'n]其中qf'＝<πf,qf>∈F...
【专利技术属性】
技术研发人员：方浩，宇文涛，陈杰，田戴荧，刘得明，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。