2023
Shielding in Resource-Constrained Goal POMDPs
AJDARÓW, Michal, Šimon BRLEJ a Petr NOVOTNÝZákladní údaje
Originální název
Shielding in Resource-Constrained Goal POMDPs
Autoři
AJDARÓW, Michal (203 Česká republika, domácí), Šimon BRLEJ (703 Slovensko, domácí) a Petr NOVOTNÝ (203 Česká republika, domácí)
Vydání
Washington, DC, USA, Proceedings of the 37th AAAI Conference on Artificial Intelligence, od s. 14674-14682, 9 s. 2023
Nakladatel
AAAI Press
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10200 1.2 Computer and information sciences
Stát vydavatele
Spojené státy
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
elektronická verze "online"
Odkazy
Kód RIV
RIV/00216224:14330/23:00131270
Organizační jednotka
Fakulta informatiky
ISBN
978-1-57735-880-0
ISSN
Klíčová slova anglicky
decision making; Markov decision processes; controller synthesis; resource constraints; shielding
Změněno: 7. 4. 2024 23:07, RNDr. Pavel Šmerk, Ph.D.
Anotace
V originále
We consider partially observable Markov decision processes (POMDPs) modeling an agent that needs a supply of a certain resource (e.g., electricity stored in batteries) to operate correctly. The resource is consumed by the agent's actions and can be replenished only in certain states. The agent aims to minimize the expected cost of reaching some goal while preventing resource exhaustion, a problem we call resource-constrained goal optimization (RSGO). We take a two-step approach to the RSGO problem. First, using formal methods techniques, we design an algorithm computing a shield for a given scenario: a procedure that observes the agent and prevents it from using actions that might eventually lead to resource exhaustion. Second, we augment the POMCP heuristic search algorithm for POMDP planning with our shields to obtain an algorithm solving the RSGO problem. We implement our algorithm and present experiments showing its applicability to benchmarks from the literature.
Návaznosti
GA21-24711S, projekt VaV |
| ||
MUNI/A/1433/2022, interní kód MU |
|