Kairos、PDDLの意味特性に応じて5種の計画エンジンを切り替える手法を発表

何が起きたか

2026年10月29日掲載の論文で、KairosはPDDLの意味特性に応じて5種の計画エンジンを選び、時間・メモリーの単一予算内で実行する手法として報告された。論文によると、1,756件を含む9つの比較スイートで、各スイートの最強評価プランナーを全体の制限時間で上回り、100ミリ秒と1秒の条件でも最も多くのタスクを解いた。

詳細

Kairosは、グラウンド化ヒューリスティック探索、圧縮時間探索、スナップアクション時間探索、ハイブリッド動力学向けの時間刻み探索、リフト探索の適用可否をタスクごとに判定し、実行順を組む。候補プランはプランナーの変換処理から独立したバリデーターで検査し、「解なし」は探索空間を尽くしたことが証明となる探索が完了した場合に限って報告する。 評価には9つの比較スイートに加え、特徴別の450タスクと26の単一特徴プローブを用いた。論文は、調査した17特徴すべてをKairosが扱い、評価対象の他のプランナーは最多でも8特徴だったとする。プランナーとベンチマークはオープンソースとしている。

Key Facts

本紙の見方

この研究の要点は、単一の万能プランナーを作るのではなく、PDDLタスクの意味特性に合わせて異なる探索エンジンを編成することにある。STRIPSからPDDL+までを対象に、各エンジンの適用範囲や失敗の意味が異なるという問題を、タスクの特徴判定、実行順の調整、共通の時間・メモリー予算で扱う。特に、候補プランを独立に検証し、「解なし」を証明可能な探索の完了に限定する設計は、解を見つける能力だけでなく、結果が何を保証するかを明示する点で、実行中に再計画するロボットのような用途を念頭に置いた構成と読める。ただし、論文要旨の評価は計画タスク上のものであり、実機での再計画性能を示したとは記されていない。 評価結果は一様ではない。1,756タスクの9スイートでは各スイートの最強評価プランナーを上回り、100ミリ秒と1秒でも最多のタスクを解いたとする一方、古典的計画でLAMAと比べた差はノイズの範囲内だった。ドメイン単位の再サンプリングで改善がゼロを上回ったのも9スイート中6つである。したがって、結果の中心はあらゆる計画領域での一律な優位ではなく、数値制約、時間制約、PDDL3、PDDL+で差が大きかったという領域依存性にある。17特徴を扱い、他の評価対象は最多8特徴という結果も、広い機能対応と個別領域での性能が別の評価軸であることを示す。 構造面では、圧縮時間探索とnovelty fallbackが寄与したというアブレーション結果が、エンジンを組み合わせる設計の有効性を支える。ただし、要旨だけでは各エンジンの選択頻度、タスク別の実行時間やメモリー消費、全体の改善幅は分からない。PDDL+については、VALとの不一致がPDDL+の規約または文書化されたVALの欠陥に帰着したと論文は述べており、プランナー間の比較ではベンチマークの意味解釈や検証器側の前提も評価結果に影響する論点となる。次に確認すべきなのは、全タスクでの具体的な性能差、実行時の再計画に適用した場合の挙動、独立検証に要するコストである。公開されたプランナーとベンチマークが、これらを追試するための基盤になる。

なぜ重要か

論文が示すのは、PDDLの意味特性が異なる計画課題を、単一エンジンではなく複数エンジンの選択と独立検証で扱う設計である。特に「解なし」を証明可能な探索完了に限定するため、計画結果を実行に使う側にとって、解の有無だけでなく判定の保証範囲も論点になる。