半素朴なDatalog評価による並列リフト計画
Parallel Lifted Planning via Semi-Naive Datalog Evaluation
記事のポイント
📰ニュース
リフト計画のコアコンポーネントをDatalog評価で並列化し、計算速度を大幅に向上させました。
🔍注目ポイント
ルールレベルとグラウンディングレベルの2段階並列実行モデルを開発し、半素朴なDatalog評価をサポートするグラウンダーを導入しました。
🔮これからどうなる
複雑な計画タスクの解決が高速化され、AIプランニングの効率が向上し、より大規模な問題への適用が可能になります。
リフト計画は、計算負荷の高いグラウンディングステップを回避するため、一階述語論理で直接計画タスクを処理します。
しかし、探索中に繰り返しインスタンス化が必要なため、通常は低速でした。
本研究では、Datalog評価を基盤に、並列実行モデルと半素朴なDatalog評価に対応したグラウンダーを開発し、この問題を解決しました。
実験では、シングルコアでも既存手法を上回り、8コアで最大6倍の高速化を達成しました。
しかし、探索中に繰り返しインスタンス化が必要なため、通常は低速でした。
本研究では、Datalog評価を基盤に、並列実行モデルと半素朴なDatalog評価に対応したグラウンダーを開発し、この問題を解決しました。
実験では、シングルコアでも既存手法を上回り、8コアで最大6倍の高速化を達成しました。
AIプランニングの分野で、計算効率が大きく改善されそうですね。特に、複雑なタスクの解決に役立ち、自動化された意思決定システムへの応用が期待されます。