계층적 목표 인식에 대한 확률론적 프레임워크

목표 인식 (goal recognition) 은 에이전트의 행동 관찰로부터 그 에이전트의 목표를 추론하는 것을 목표로 합니다. 현실적인 환경에서는 계층적 작업 구조를 활용하고 불확실성 하에서 추론을 수행함으로써 인식 성능을 향상시킬 수 있습니다. 지난 10 년간 계획 기반 목표 인식 (planning-based goal recognition) 은 상당한 진전을 이루었으나, 저자들의 지식 범위 내에서는 계층적 작업 구조와 확률론적 추론을 동시에 통합하는 기존 접근법은 존재하지 않습니다. 본 논문에서는 Hierarchical Task Networks (HTNs) 을 기반으로 한 계층적 목표 인식에 대한 최초의 계획 기반 확률론적 프레임워크를 소개합니다. 우리는 세 단계 생성 모델 (three-stage generative model) 을 활용한 HTN 플래너 (HTN planner) 를 통해 프레임워크를 구현하여, 목표 가설에 대한 사후 분포 (posterior distributions) 를 추정하는 우도 평가 (likelihood estimation) 를 수행했습니다. 실험 결과, HTN 벤치마크에서 기존 HTN 기반 인식기보다 향상된 인식 성능을 보였습니다. 전반적으로, 이 프레임워크는 계층적 계획 구조를 기반으로 한 확률론적 목표 인식의 기초를 마련하여, 목표 인식을 더 실용적인 환경으로 나아가게 합니다.