Plan recognition and failure prediction for ambient assisted living

Abstract

O processo de inferir os planos/objetivos de um agente com base na observação de suas ações é conhecido como reconhecimento de plano. Prever as intenções humanas é um dos objetivos atuais da Inteligência Artificial; o reconhecimento de plano contribui para esse objetivo ao analisar como as observações em baixo nível sobre agentes e meio ambiente podem ser associadas a uma descrição em alto nível do plano. A maioria das abordagens para reconhecimento de plano, em ambientes reais, baseiam-se em regras construídas manualmente, onde a base de conhecimento é representada como uma biblioteca de planos para reconhecimento de atividades e planos. Além disso, essas abordagens geralmente não têm capacidade de incorporar dependências temporais complexas, assumindo a hipótese irrealista de que um agente executa apenas uma atividade por vez e que a sequência de ações é executada de forma coerente para alcançar um único objetivo. Além disso, o conhecimento incompleto sobre o comportamento do agente e a similaridade entre a execução de vários planos geram múltiplas hipóteses sobre o(s) plano(s) que são consistentes com as observações. Este trabalho aborda os problemas para reconher múltiplos planos em ambientes reais, aprender a duração de uma atividade e detectar anomalias na execução de um plano. Tratamos o problema de desambiguar múltiplas hipóteses e detectamos anomalias na sequência de execução do plano explorando tanto a organização hierárquica inerente das atividades quanto horário e duração esperados, desenvolvendo um algoritmo eficiente para filtrar hipóteses aplicando restrições temporais e no comprimento do caminho. Apresentamos uma série de experimentos mostrando que, além de abordar limitações dos algoritmos de reconhecimento e planos tradicionais, nossa abordagem de filtrar hipóteses pode melhorar significativamente a precisão do algoritmo de reconhecimento. Os experimentos incluem bibliotecas de planos geradas sinteticamente, bem como bibliotecas e observações obtidas a partir de conjuntos de dados do mundo real, útil no contexto de ambiente assistido.