張忠坤，林泓宇，譚智元，邢明杰，武延軍1，+

(1.南京中醫(yī)藥大學(xué) 人工智能與信息技術(shù)學(xué)院，江蘇 南京 210023；2.中科南京軟件技術(shù)研究院智能軟件研究中心，江蘇 南京 210000；3.中國科學(xué)院軟件研究所 智能軟件研究中心，北京 100190；4.中國科學(xué)院大學(xué) 計算機(jī)科學(xué)與技術(shù)學(xué)院，北京 100190)

0 引 言

智能規(guī)劃[1]是人工智能系統(tǒng)實現(xiàn)智能決策和行動的必要組成部分之一。其中規(guī)劃領(lǐng)域定義語言(planning domain definition language，PDDL)[2]是智能規(guī)劃社區(qū)中廣泛使用的一種領(lǐng)域描述語言，具有形式化、標(biāo)準(zhǔn)化等特點。PDDL語義的實現(xiàn)與特定的功能設(shè)計和語法支持密切相關(guān)，開發(fā)者需要針對功能需求來設(shè)計專用編譯系統(tǒng)以實現(xiàn)并優(yōu)化相關(guān)系統(tǒng)運(yùn)行的性能。比如Fast Downward[3]的編譯系統(tǒng)是針對其規(guī)劃任務(wù)的優(yōu)化而設(shè)計，流程包括PDDL的詞法分析、語法分析、格式轉(zhuǎn)換和問題建模等。而PDDL.jl[4]的編譯系統(tǒng)是將PDDL解析為Julia數(shù)據(jù)結(jié)構(gòu)，以便用戶可以通過Julia語言來操作和處理PDDL數(shù)據(jù)。此前我們對PDDL的集成開發(fā)環(huán)境如MyPDDL[5]和PDDLStudio[6]等存在的版本特性支持不完善、文本編輯困難和缺少應(yīng)用指導(dǎo)等問題，設(shè)計了一個圖形化PDDL在線編輯網(wǎng)站來幫助開發(fā)者提高PDDL的編寫效率(https：//graphplan ner.isrc.ac.cn)。網(wǎng)站通過jsMind[7]思維導(dǎo)圖作為圖形化PDDL代替文本PDDL來提高開發(fā)的效率，并能夠解析用戶上傳的思維導(dǎo)圖和PDDL文件，還為用戶提供了在機(jī)器人操作系統(tǒng)(robot operating system，ROS)[8]環(huán)境下的應(yīng)用指導(dǎo)。為此本文設(shè)計了專用編譯系統(tǒng)Graph Compiler，其不僅支持編譯jsMind思維導(dǎo)圖，也支持對多版本PDDL文件的編譯，還可以將規(guī)劃結(jié)果轉(zhuǎn)換為ROS機(jī)器人具體行動的動作序列信息。對多屆國際規(guī)劃競賽(international planning competition，IPC)[9]的PDDL用例的實驗結(jié)果表明，Graph Compiler能夠正確編譯測試集上的所有用例。此外，我們對圖形化PDDL語言指導(dǎo)機(jī)器人任務(wù)規(guī)劃做了實驗，將Graph Compiler應(yīng)用到ROS工程中，拓展了它的應(yīng)用空間。

1 PDDL語言結(jié)構(gòu)

PDDL語言結(jié)構(gòu)一般如圖1所示，分為域模型(domain)和問題模型(problem)。

圖1 常見PDDL文件結(jié)構(gòu)關(guān)系

域模型包括Types、Fluents和Action Schemata等結(jié)構(gòu)。

Types指定了在域模型和問題模型中定義變量時可以使用的所有類型。Fluents包括謂詞和函數(shù)，它有n個對象參數(shù)，F(xiàn)luents描述這些參數(shù)之間的某種屬性和關(guān)系。Action Schemata是一個動作列表，其中每個Action都是一個元組，包含Parameters、Precondition和Effect。Parameters充當(dāng)具體操作時所操作對象的占位符。Precondition是一組邏輯公式，指定了動作發(fā)生需要滿足的屬性條件或邏輯關(guān)系。Effect也是一組邏輯公式，指定了動作發(fā)生后，改變了哪些屬性條件或邏輯關(guān)系。

問題模型包括Domain(域模型)、Init State和Goal State。Init State定義了問題模型中的所有對象及其對應(yīng)的初始狀態(tài)，而Goal State則是當(dāng)問題解決時模型中的對象應(yīng)處于的狀態(tài)。初始狀態(tài)和目標(biāo)狀態(tài)都被指定為一組邏輯公式。

2 編譯系統(tǒng)架構(gòu)

編譯系統(tǒng)的運(yùn)行架構(gòu)如圖2所示，用戶在前端中產(chǎn)生的PDDL數(shù)據(jù)、jsMind數(shù)據(jù)和規(guī)劃結(jié)果數(shù)據(jù)，在前端經(jīng)過簡單的語法檢查后，被傳到后端的編譯系統(tǒng)中。編譯系統(tǒng)將輸入數(shù)據(jù)傳到對應(yīng)的編譯模塊，包括PDDL編譯模塊、jsMind編譯模塊和ROS應(yīng)用模塊。如果PDDL或jsMind編譯成功，系統(tǒng)會將生成的目標(biāo)代碼存儲到臨時文件中并返回到前端展示，否則返回給前端錯誤原因；規(guī)劃結(jié)果則通過ROS交互模塊被轉(zhuǎn)為ROS話題消息，通過話題發(fā)送節(jié)點持續(xù)發(fā)布，可以被動作節(jié)點訂閱，進(jìn)而用于指導(dǎo)機(jī)器人的任務(wù)規(guī)劃。

圖2 編譯系統(tǒng)運(yùn)行架構(gòu)

輸出到臨時文件中保存的PDDL問題模型文件可以被系統(tǒng)集成的規(guī)劃器求解。系統(tǒng)提供兩種規(guī)劃求解方案，一種是planutils[10]項目的本地規(guī)劃器接口，可以選擇使用包括OPTIC[11]、POPF[12]和TFD[13]等規(guī)劃器，另一種是Planning Editor[14]項目的在線規(guī)劃器接口。兩種方案可以求解多個版本的PDDL文件，為開發(fā)者獲得圖形化PDDL問題模型的求解結(jié)果提供了支持。

3 前端數(shù)據(jù)輸入

前端界面包括功能教學(xué)頁面、問題模型編輯頁面、域模型編輯頁面和ROS交互頁面等。前端與編譯系統(tǒng)關(guān)聯(lián)的功能如圖3所示，包括：編輯思維導(dǎo)圖生成PDDL域模型和問題模型；轉(zhuǎn)換思維導(dǎo)圖為文本形式的PDDL；解析用戶上傳的PDDL文件為思維導(dǎo)圖；解析ChatGPT[15]返回的PDDL數(shù)據(jù)為思維導(dǎo)圖；將規(guī)劃結(jié)果解析為話題消息發(fā)送到ROS系統(tǒng)等。

圖3 前端ROS USE頁面

為了減少用戶的編輯時間，系統(tǒng)設(shè)計結(jié)合了ChatGPT模型，用戶可以通過自然語言描述PDDL模型關(guān)鍵內(nèi)容，編譯系統(tǒng)會將ChatGPT的返回內(nèi)容轉(zhuǎn)為思維導(dǎo)圖表示的PDDL，功能展示如圖4所示。

圖4 ChatGPT使用頁面

根據(jù)上述功能需求，編譯系統(tǒng)的數(shù)據(jù)輸入可以分為3類，包括思維導(dǎo)圖表示的圖形化PDDL數(shù)據(jù)、ChatGPT模型生成或用戶直接上傳的PDDL文本數(shù)據(jù)以及通過規(guī)劃求解器得到的規(guī)劃結(jié)果。編譯系統(tǒng)針對這3類數(shù)據(jù)，分別設(shè)計了相應(yīng)的編譯模塊，其中思維導(dǎo)圖數(shù)據(jù)對應(yīng)的jsMind編譯模塊和PDDL數(shù)據(jù)對應(yīng)的PDDL編譯模塊將在4章節(jié)講述，規(guī)劃結(jié)果話題消息對應(yīng)的ROS應(yīng)用模塊將在5章節(jié)講述。

4 編譯系統(tǒng)設(shè)計

4.1 語法結(jié)構(gòu)對比

編譯系統(tǒng)使用的jsMind數(shù)據(jù)格式是node_tree，數(shù)據(jù)格式如下所示：

node:{

可以看到，node_tree中的數(shù)據(jù)采用樹形結(jié)構(gòu)進(jìn)行組織，其中topic值代表節(jié)點顯示在思維導(dǎo)圖中的內(nèi)容，children值代表子節(jié)點列表，可以嵌套任意深度。node_tree通過這兩對鍵值，可以準(zhǔn)確地描述思維導(dǎo)圖中節(jié)點的內(nèi)容與親屬關(guān)系。而PDDL的語言文法是基于LISP的S表達(dá)式語法[16]，其特點是可以使用括號來表示嵌套結(jié)構(gòu)。通過括號的嵌套使用，形成不斷延申的樹狀結(jié)構(gòu)，從而可以表示復(fù)雜的數(shù)據(jù)關(guān)系。從圖3左下方的PDDL域模型文件示例中，可以看到通過括號嵌套的方式，PDDL表現(xiàn)出明顯的層級關(guān)系。

通過觀察兩者的數(shù)據(jù)格式可以得出結(jié)論，PDDL和jsMind在數(shù)據(jù)內(nèi)容上具有相同的嵌套結(jié)構(gòu)，PDDL的括號對應(yīng)于jsMind的children，括號中的內(nèi)容則對應(yīng)于jsMind的topic值。兩種語法格式的語義對應(yīng)關(guān)系表明，jsMind與PDDL可以實現(xiàn)語義上的等價轉(zhuǎn)換。

4.2 編譯模塊介紹

系統(tǒng)的編譯流程主要包括兩個模塊。分別是jsMind編譯模塊和PDDL編譯模塊。jsMind編譯模塊的功能是將用戶在前端編輯的思維導(dǎo)圖編譯為PDDL文本；PDDL編譯模塊的功能是將ChatGPT生成或用戶上傳的PDDL文本編譯為jsMind數(shù)據(jù)。

4.2.1 jsMind編譯模塊

jsMind數(shù)據(jù)的編譯流程如圖5(左)所示。

圖5 編譯流程

首先進(jìn)行詞法分析，任務(wù)是解析jsMind的node_tree格式數(shù)據(jù)，將每個節(jié)點的層級結(jié)構(gòu)信息提取出來。根據(jù)topic鍵值和children鍵值劃分token，去掉其它無用字符，生成token流。

之后進(jìn)行語法分析，首先根據(jù)PDDL的語言文法設(shè)計相應(yīng)的PDDL數(shù)據(jù)存儲結(jié)構(gòu)。如針對謂詞、初始狀態(tài)和動作等結(jié)構(gòu)，根據(jù)其語法規(guī)則來定制對應(yīng)的數(shù)據(jù)結(jié)構(gòu)。下面是對動作結(jié)構(gòu)進(jìn)行定義的示例：

之后對詞法分析器生成的token流進(jìn)行分析，并將token流按照數(shù)據(jù)類別補(bǔ)充到相應(yīng)的數(shù)據(jù)結(jié)構(gòu)中，從而生成AST。

之后生成中間表示，其結(jié)構(gòu)是節(jié)點屬性為鍵值對的屬性樹。該步驟將優(yōu)化后的AST按照PDDL的不同屬性提取數(shù)據(jù)到定義的屬性樹中。

最后生成PDDL文件，系統(tǒng)根據(jù)生成的中間表示，將數(shù)據(jù)按照PDDL文法組合在一起，生成PDDL數(shù)據(jù)存儲到臨時文件中。之后系統(tǒng)取出臨時文件內(nèi)容并嵌入HTML標(biāo)簽，使數(shù)據(jù)返回到前端后可以高亮顯示。

4.2.2 PDDL數(shù)據(jù)編譯模塊

PDDL數(shù)據(jù)的編譯流程如圖5(右)所示。

首先使用正則表達(dá)式構(gòu)造詞法分析器。過濾掉空格、注釋和其它無用的字符。生成token流。

接著進(jìn)行語法分析，主要是將詞法分析器輸出的token流，轉(zhuǎn)化為特定的語法結(jié)構(gòu)。系統(tǒng)使用遞歸下降分析法構(gòu)建語法分析器。語法分析器會對多個PDDL版本中的多個語法結(jié)構(gòu)進(jìn)行識別和處理。

之后進(jìn)行語義分析，主要任務(wù)是對程序進(jìn)行合法性檢查。確定輸入數(shù)據(jù)符合語言規(guī)范和語義約束，并進(jìn)行相應(yīng)的語義處理。我們根據(jù)PDDL不同特性文法，做了語義分析處理。同時在處理過程中對PDDL的每個語法結(jié)構(gòu)都進(jìn)行了大量的錯誤判斷處理，設(shè)計了共計28種錯誤反饋。

在語法語義分析之后是AST擴(kuò)展階段，系統(tǒng)需要對產(chǎn)生的AST進(jìn)行擴(kuò)展，根據(jù)requirement導(dǎo)入的PDDL模塊，在生成的AST中添加對應(yīng)鍵值。例如requirement 可以導(dǎo)入PDDL3版本特性：preference，其表示在問題模型中，可以使用軟目標(biāo)定義。使用preference需要在模型文件中使用同名關(guān)鍵詞。根據(jù)這些特殊requirement是否存在于域模型的requirements列表中，來判斷是否在AST中添加相應(yīng)的鍵值，最終生成一個包含所有關(guān)鍵信息的AST。

最后是生成jsMind，系統(tǒng)將擴(kuò)展的AST在后端針對jsMind語法做了補(bǔ)充、優(yōu)化和簡化，組合其中的數(shù)據(jù)，并最終生成jsMind返回到前端以思維導(dǎo)圖的形式展示。

5 ROS應(yīng)用

在機(jī)器人的任務(wù)規(guī)劃中，開發(fā)者可以將機(jī)器人的已知信息包括機(jī)器人獲取的傳感器信息和可使用的動作信息等通過PDDL的域模型進(jìn)行描述，之后在問題模型中定義機(jī)器人的任務(wù)目標(biāo)，再通過規(guī)劃求解獲得機(jī)器人執(zhí)行任務(wù)的最佳動作序列，以滿足目標(biāo)條件并最小化某些指標(biāo)(如時間、資源消耗等)。

然而，當(dāng)前機(jī)器人開發(fā)調(diào)度與PDDL的編輯規(guī)劃通常是獨(dú)立進(jìn)行的，這導(dǎo)致兩者之間的信息交流依賴于開發(fā)人員的觀察與操作。開發(fā)人員在獲得規(guī)劃結(jié)果后，在ROS系統(tǒng)中構(gòu)建行為樹[17]或狀態(tài)機(jī)來執(zhí)行任務(wù)，開發(fā)效率較低。

為更好的將圖形化PDDL應(yīng)用在機(jī)器人開發(fā)領(lǐng)域中，系統(tǒng)設(shè)計了ROS應(yīng)用模塊，旨在與當(dāng)前流行的ROS系統(tǒng)結(jié)合。節(jié)點是ROS的基本執(zhí)行單元，節(jié)點之間通過發(fā)布和訂閱話題進(jìn)行通信。ROS應(yīng)用模塊的功能是創(chuàng)建節(jié)點，將規(guī)劃結(jié)果轉(zhuǎn)為話題并持續(xù)發(fā)布出去，供動作節(jié)點訂閱以使機(jī)器人能夠按照規(guī)劃結(jié)果進(jìn)行運(yùn)動。

開發(fā)者可以在ROS交互頁面中使用自然語言描述機(jī)器人的任務(wù)場景和目標(biāo)，系統(tǒng)通過ChatGPT生成PDDL并轉(zhuǎn)為思維導(dǎo)圖形式，開發(fā)者在調(diào)整PDDL內(nèi)容后可以進(jìn)行規(guī)劃求解，在規(guī)劃成功后，返回的規(guī)劃結(jié)果會被轉(zhuǎn)為相應(yīng)格式的話題消息，實驗中機(jī)器人運(yùn)動的話題格式如下所示：

time start_time

string action_name

string[] action_params //動作參數(shù)

duration duration_time //持續(xù)時間

ROS應(yīng)用模塊的具體流程可分為以下3步：

(1)是根據(jù)規(guī)劃結(jié)果的輸出樣式構(gòu)建正則表達(dá)式，獲取規(guī)劃結(jié)果中包含有效內(nèi)容的部分，去除包括調(diào)用IP、耗費(fèi)時間和運(yùn)行狀態(tài)等無用字符，得到相應(yīng)的token流，獲得的內(nèi)容見表1，主要包括動作開始時間、動作序列(動作名和參數(shù))和動作持續(xù)時間。

表1 OPTIC規(guī)劃器求解結(jié)果

(2)是對token 流進(jìn)行語法分析，將解析出的規(guī)劃結(jié)果按照特定結(jié)構(gòu)轉(zhuǎn)為話題的中間數(shù)據(jù)，下面是針對實驗話題格式設(shè)定的中間數(shù)據(jù)結(jié)構(gòu)：

(3)則是將數(shù)據(jù)轉(zhuǎn)為話題。這是一個簡單的映射過程，將生成的中間表示數(shù)據(jù)，根據(jù)語義對應(yīng)關(guān)系轉(zhuǎn)化為話題數(shù)據(jù)，并且進(jìn)行合法性檢驗，包括參數(shù)類型和格式等。確保輸出匹配的話題數(shù)據(jù)。

最后將話題以多線程的方式發(fā)布到ROS網(wǎng)絡(luò)中，確保ROS話題的發(fā)布不會影響到編譯系統(tǒng)其它功能的使用。

6 實 驗

實驗分為兩部分：第一部分測試Graph Compiler對于多版本PDDL數(shù)據(jù)和jsMind數(shù)據(jù)的編譯能力；第二部分是驗證Graph Compiler應(yīng)用在ROS項目中的實際效果。

6.1 編譯功能測試

IPC比賽為智能規(guī)劃領(lǐng)域提供了廣泛使用的基準(zhǔn)。我們使用Assembly、Gripper和Blocks等IPC比賽中的經(jīng)典測試用例，來測試Graph Compiler在編譯多版本PDDL數(shù)據(jù)方面的表現(xiàn)(PDDL+的版本用例來自于PDDL wiki[18])。此外在Graph Compiler測試中，我們針對每一個測試用例都隨機(jī)挑選一個PDDL模型文件并使用jsMind思維導(dǎo)圖來表示，測試該模型文件是否能夠如圖3所示被順利的編譯為PDDL數(shù)據(jù)，測試結(jié)果見表2。

表2 PDDL用例編譯測試(√表示成功編譯，×表示無法編譯)

測試結(jié)果表明，Graph Compiler相較于Fase Downward和PDDL.jl而言，支持編譯更多的PDDL版本，且編譯成功率達(dá)到100%；也可以將用戶編輯的jsMind思維導(dǎo)圖正確編譯為PDDL格式數(shù)據(jù)。滿足了在線編輯工具的功能需求。

6.2 ROS系統(tǒng)交互實驗

我們使用中科院軟件所博物館導(dǎo)覽項目[19]作為ROS應(yīng)用實驗的場景，測試從自然語言輸入到機(jī)器人調(diào)度的半自動流程。

首先開發(fā)者在ROS USE界面中使用圖4所示的自然語言建模，得到域模型和問題模型。域模型建模輸入的prompt如下：”我需要一個domain.pddl，內(nèi)容如下：包括兩個類型：waypoint和robot，3個謂詞：at代表機(jī)器人在路徑點上、worked代表機(jī)器人在這個路徑點巡視過和not_worked代表機(jī)器人并沒有在這個路徑點巡視，以及兩個動作：move和work?！?。系統(tǒng)會調(diào)用ChatGPT接口并根據(jù)prompt生成對應(yīng)的域模型數(shù)據(jù)，并以思維導(dǎo)圖的形式在聊天框下方顯示。問題模型同樣由自然語言輸入生成，內(nèi)容包括定義5個路徑點，按照目標(biāo)順序依次移動到5個路徑點并在路徑點上巡視一段時間等，生成內(nèi)容如下所示：

(define (problem navigation_waypoint_demo)

wa wb wc wd we-waypoint //定義5個路徑點

init-waypoint

robot-robot)

(robot_on robot init)

(not_worked wa) //5個點都還未巡視

(not_worked wb)

(not_worked wc)

(not_worked wd)

(not_worked we))

(and

(worked we)

(worked wd)

(worked wc)

(worked wb)

(worked wa)))) //5個路徑點都已完成巡視

通過ROS交互模塊，將規(guī)劃結(jié)果轉(zhuǎn)換為ROS話題，并發(fā)布到ROS話題網(wǎng)絡(luò)中，之后在機(jī)器人的運(yùn)動節(jié)點中訂閱該話題，并根據(jù)規(guī)劃結(jié)果設(shè)計并發(fā)布相應(yīng)的動作指令，使導(dǎo)覽機(jī)器人按照表1中的規(guī)劃結(jié)果移動和工作。機(jī)器人實驗的部分畫面如圖6～圖7所示，可以看到機(jī)器人正在按照規(guī)劃結(jié)果給出的移動和巡視順序在完成任務(wù)。

圖6 小車在PDDL指導(dǎo)下完成巡航任務(wù)(1)

圖7 小車在PDDL指導(dǎo)下完成巡航任務(wù)(2)

實驗結(jié)果表明，我們成功將Graph Compiler應(yīng)用在ROS項目中，完成了通過圖形化PDDL指導(dǎo)機(jī)器人任務(wù)規(guī)劃的目標(biāo)。

7 結(jié)束語

為滿足圖形化PDDL編輯的功能需求，本文基于領(lǐng)域?qū)Ｓ镁幾g技術(shù)設(shè)計了一個圖形化PDDL編譯系統(tǒng)。通過詞法分析、語法分析、語義分析和AST優(yōu)化擴(kuò)展等方法，設(shè)計了對文本PDDL和思維導(dǎo)圖表示的圖形化PDDL的編譯模塊，具有優(yōu)秀的版本兼容性和編譯正確性。并基于ROS節(jié)點之間的通信機(jī)制設(shè)計了ROS應(yīng)用模塊，可以將規(guī)劃結(jié)果以話題的消息格式發(fā)布出去，用于指導(dǎo)機(jī)器人的任務(wù)規(guī)劃。

在后續(xù)工作中，將繼續(xù)探索Graph Compiler的規(guī)劃應(yīng)用，完善從自然語言輸入到PDDL生成再到ROS機(jī)器人運(yùn)動的自動化流程，并通過實現(xiàn)一個圖形化PDDL專用規(guī)劃器來進(jìn)一步提高系統(tǒng)的運(yùn)行效率。