行動計画の立役者：STRIPS

行動計画の立役者：STRIPS

STRIPSとは

「計画」を自動で作る仕組み、それが「ストリップス」です。正式には「スタンフォード研究所問題解決機」と言い、１９７１年にリチャード・ファイクス氏とニルス・ニルソン氏によって発表されました。この仕組みは、複雑な問題をいくつもの簡単な行動に分解し、目標達成の手順を自動的に組み立てることを目指しています。

たとえば、ロボットにお茶を入れさせるという問題を考えてみましょう。人間なら簡単な作業ですが、ロボットにとっては複雑な手順が必要です。まずお湯を沸かし、茶葉を急須に入れ、湯を注ぎ、カップに注ぐ、といった具合です。ストリップスは、これらの一つ一つの行動を「状態」と「行動」を使って表現します。「やかんに水が入っている」という状態から、「やかんに水を入れる」という行動によって「やかんに水が入っている」という状態に移る、といった具合です。

ストリップスは、「最初の状態」「目標とする状態」「可能な行動」の３つを定義することで、どのような手順で行動すれば目標の状態にたどり着けるかを計算します。お茶の例で言えば、「最初の状態」はやかんが空で、茶葉もカップもない状態です。「目標とする状態」は、カップにお茶が入っている状態です。「可能な行動」は、やかんに水を入れる、お湯を沸かす、茶葉を入れる、湯を注ぐ、カップに注ぐ、などです。ストリップスはこれらの情報をもとに、「まずやかんに水を入れて、次に火をつけて…最後にお茶をカップに注ぐ」という一連の行動を導き出します。

ストリップスは、ロボットの動きの制御やゲームの人工知能など、様々な分野で活用されています。難しい問題を小さな手順に分解して解決策を見つけ出すという画期的な発想は、その後の自動計画の研究に大きな影響を与え、まさにこの分野における先駆者と言えるでしょう。

三つの主要概念

計画を立てるための手法、STRIPSの中心となる考え方は、「前提条件」、「行動」、「結果」という三つの主要な概念です。これら三つの概念が複雑に絡み合い、目標達成のための道筋を作り上げます。

まず、「前提条件」とは、ある行動を起こすために絶対に満たされていなければならない条件のことです。例として、「扉を開ける」という行動を考えてみましょう。この行動の「前提条件」には、「扉の前にいる」ことと「扉が閉まっている」ことが挙げられます。扉の前にいなければ扉に触れることすらできませんし、既に開いている扉を開けることはできません。このように、「前提条件」は行動を起こすための土台となる重要な要素です。

次に、「行動」とは、主体が実際に行う動作のことです。「扉を開ける」以外にも、「部屋を移動する」、「物を持つ」、「物を置く」など、様々な行動が考えられます。これらの行動は具体的な動作であり、計画を実現するための手段となります。STRIPSでは、これらの行動を組み合わせて複雑な計画を立てます。

最後に、「結果」とは、行動を起こした後に世界に生じる変化のことです。「扉を開ける」という行動の「結果」は、「扉が開いている」という状態になります。また、「部屋を移動する」という行動の「結果」は、「別の部屋にいる」という状態になります。このように、行動によって世界の状態が変化し、新たな「前提条件」が満たされることで、次の行動へと繋がるのです。STRIPSは、これらの「前提条件」、「行動」、「結果」を順序立てて組み合わせることで、目標とする状態を実現するための計画を自動的に生成します。まるでパズルのピースを組み合わせるように、一つ一つの行動とその結果を繋ぎ合わせ、最終的な目標へと導くのです。

STRIPSの動作原理

STRIPS（帯域計画）は、人工知能の分野で、どのようにすれば目的の状態にたどり着けるのか、その手順を自動的に見つけるための方法です。まるでパズルを解くように、現在の状況と目指す状況を比べて、足りない部分を埋めるための行動を一つずつ探していくのです。

まず、STRIPSは現在の状況と目指す状況を詳しく調べ、何が違うのかを見つけ出します。例えば、ロボットにお茶を入れてもらいたい場合、現在の状況は「ロボットは待機中、お湯は沸いていない、茶葉は入っていない」といった状態でしょう。目指す状況は「お茶が入った状態」です。この２つを比べると、「お湯を沸かす」「茶葉を入れる」「お湯を注ぐ」といった行動が足りないことが分かります。

次に、STRIPSは見つけた足りない部分を埋めるための行動を探します。このとき、行動を起こすための条件が満たされているかも確認します。「お湯を沸かす」には「やかんに水が入っている」必要がありますし、「茶葉を入れる」には「急須がある」必要があります。もしこれらの条件が満たされていない場合は、その条件を満たすための行動、例えば「やかんに水を入れる」「急須を用意する」といった行動をさらに探します。

このように、STRIPSは目指す状況から逆算して、必要な行動を一つずつ探していきます。まるでゴールからスタート地点までを逆向きにたどるような方法です。必要な行動が全て見つかり、順番に並べられると、最終的に目的の状態にたどり着くための手順、つまり計画が完成します。この計画に従って行動すれば、ロボットはお茶を入れてくれるでしょう。

STRIPSは、複雑な問題を小さな問題に分解して解決していくという考え方に基づいています。そのため、様々な分野で応用されており、ロボットの動作計画だけでなく、プロジェクト管理やゲームの戦略立案などにも活用されています。

計画問題への応用

計画問題は、ある初期状態から目標状態へ至るための一連の行動を決定する問題です。STRIPS（Stanford Research Institute Problem Solver）は、このような計画問題を解くための強力な手法として知られています。具体的には、STRIPSを用いることで、様々な分野の計画問題を形式的に表現し、コンピュータによる自動的な解決策の生成が可能となります。

代表的な応用として、ロボットの行動計画が挙げられます。例えば、ロボットが迷路の中を目的地まで移動する場合、STRIPSを用いることで、現在位置から目的地までの最適な経路を自動的に計算できます。また、ロボットアームが特定の物体を掴んで移動させるといった複雑な作業も、STRIPSによって各関節の動きの順序を計画できます。これにより、ロボットは人間が指示した通りに正確かつ効率的に動作できます。

さらに、ゲームにおける人工知能（AI）の開発にもSTRIPSは役立ちます。例えば、ロールプレイングゲームにおいて、キャラクターが目的を達成するための一連の行動、例えば、敵を倒す、アイテムを手に入れる、特定の場所へ移動するといった行動をSTRIPSを用いて計画できます。また、戦略シミュレーションゲームでは、資源の配分や部隊の展開といった戦略をSTRIPSによって自動的に決定できます。これにより、より高度な人工知能を備えた、魅力的なゲームを開発できます。

このように、STRIPSはロボット工学やゲームAIといった様々な分野で活用され、計画問題解決の効率化に大きく貢献しています。STRIPSの登場により、これまで人間が手作業で行っていた複雑な計画作業を自動化できるようになり、生産性の向上や新たな可能性の創出につながっています。

STRIPSの限界

「縞模様計画作成システム（STRIPS）」は、行動計画を立てる強力な仕組みですが、いくつかの弱点も抱えています。まず、この仕組みは、世界の状態を一つ一つバラバラのものとして捉えるため、なめらかに変化する様子をうまく扱えません。たとえば、「温度が徐々に上がる」といった連続的な変化を表現することは難しいです。温度計の目盛りが１度ずつ上がる、といった段階的な変化しか表せません。

次に、行動を起こすための条件や、行動の結果として何が起きるかを、あらかじめはっきりさせておく必要があります。そのため、何が起こるか分からない、不確かな状況に対応することは苦手です。たとえば、「雨が降るかもしれない」といった状況で、傘を持っていくべきかどうかを判断するのは難しいでしょう。あらかじめ雨が降ると決まっている、あるいは絶対に降らないと決まっている状況でしか、計画を立てることができません。

さらに、扱う問題の規模が大きくなると、計算に時間がかかりすぎてしまうことがあります。たとえば、たくさんの部屋がある建物の中で、目的の場所まで移動する計画を立てる場合、部屋の数が増えるほど、計算に時間がかかります。場合によっては、現実的な時間内に答えが出ないこともあります。これは、考えられる行動の組み合わせが膨大になるためです。組み合わせが爆発的に増えると、計算機の能力が追いつかなくなります。

これらの弱点を克服するために、様々な改良が提案されています。たとえば、なめらかに変化する量を扱うための拡張や、不確かな状況に対応するための仕組みなどが研究されています。また、計算量を減らすための工夫も進められています。これらの改良によって、「縞模様計画作成システム」は、より複雑で現実的な問題にも対応できるようになりつつあります。

STRIPSの影響と発展

状況を表現するための簡潔な方法と、行動を定義するための明確な枠組みを提供したエスティリップス（STRIPS）は、人工知能における行動計画の研究に大きな影響を与えました。多くの計画立案システムが、エスティリップスの考え方を基に開発されています。

エスティリップスは、物事の状態を記述するために「述語論理」と呼ばれる形式を用います。これは、物事の状態や関係性を明確に表現するのに役立ちます。例えば、「箱が机の上にある」という状態を表現することができます。また、行動は「前提条件」「追加効果」「削除効果」の三つで定義されます。例えば、「箱を持ち上げる」という行動の「前提条件」は「手が空いている」と「箱が机の上にある」です。「追加効果」は「手が箱を持っている」ことで、「削除効果」は「手が空いている」と「箱が机の上にある」です。このように、エスティリップスは行動を明確に定義することで、コンピュータが計画を立てやすくしています。

エスティリップスは画期的なシステムでしたが、いくつかの限界も抱えていました。例えば、行動の不確実性や並行処理に対応できないといった点が挙げられます。そこで、研究者たちはエスティリップスの限界を乗り越えるための様々な拡張を提案しました。その結果、より複雑な状況における計画立案を可能にするシステムが数多く開発されました。

エスティリップスは、計画問題を記述するための標準的な言語であるピーディーディーエル（PDDL計画領域定義言語）の開発にも繋がりました。ピーディーディーエルは、様々な計画立案システムが共通して利用できる言語であり、異なるシステム間での計画問題の共有や比較を容易にしました。これにより、計画立案技術の研究開発が大きく進展しました。

このように、エスティリップスは現代の自動計画研究の基礎を築き、その影響は様々な分野で見られます。例えば、ロボットの行動制御やゲームにおける人工知能、生産工程の自動化など、様々な分野でエスティリップスの考え方が応用されています。現在もなお、エスティリップスは重要なシステムとして認識されており、その影響は今後ますます広がっていくと考えられます。