Collaborative on line learning of an action model Christophe Rodrigues ∗ , Henry Soldano ∗ , Gauvain Bourgne † and Céline Rouveirol ∗ ∗ LIPN (Université Paris 13, UMR-CNRS 7030) † LIP6 (Université Pierre et Marie Curie, UMR-CNRS 7606) ILP - Nancy 14/09/2014 C.Rodrigues & Al. Collaborative online learning of an action mod 14/09/2014 1 / 14
Introduction Collaborative Learning Given a relational revision algorithm IRALe, that performs online learning of a deterministic conditional STRIPS-like model and a multi agent learning protocol SMILE. C.Rodrigues & Al. Collaborative online learning of an action mod 14/09/2014 2 / 14
Incremental refinement of relational action model C.Rodrigues & Al. Collaborative online learning of an action mod 14/09/2014 3 / 14
SMILE protocol Local consistency mechanism, a-consistency: consistency wrt internal counter-examples SMILE : A general consistency maintenance protocol Global revision mechanism triggered by an agent a i upon direct observation of a contradictory observation x ,( internal counter-example ). A set of interactions I ( a i , a j ), j ∈ [1 .. n ] , j � = i , between the learner agent a i and other agents a j , acting as critics C.Rodrigues & Al. Collaborative online learning of an action mod 14/09/2014 4 / 14
SMILE protocol C.Rodrigues & Al. Collaborative online learning of an action mod 14/09/2014 5 / 14
SMILE properties An IRALe agent a i is mas-consistent iff T i is consistent with respect to O , i.e., to all counter-examples stored by agents of the n -MAS. Provided agents in the n -MAS in independent environments, each agent is MAS-consistent. The process always terminates. Let d be the cost of an interaction and c to be the cost of revision. When a MAS of n agents has received n e examples, in the worst case: The total number of local revisions performed during the history of the 1 MAS is less than n e ∗ n The total cost of interactions is less than n e · ( n + 1) · ( n − 1) · d 2 The total revision cost is less than n e · n · c ( n e ) 3 C.Rodrigues & Al. Collaborative online learning of an action mod 14/09/2014 6 / 14
Experiments A community of n agents (1, 5, 30), each acting in their own environment. Agents are individualistic as they maintain and modify their own current hypothesis. Proof of concept in the blocks world domain in which color predicates for blocks are introduced. 2 rules (over 7) in the 7 blocks 2 colors ( b and w ) world Preconditions Action Effect bl ( A ) , bl ( B ) , bl ( C ) , move ( A , B ) on ( A , B ) , cl ( A ) , cl ( B ) , w ( A ) , w ( B ) , ¬ on ( A , C ) , on ( A , C ) , on ( B , D ) cl ( C ) , ¬ cl ( B ) bl ( A ) , bl ( B ) , bl ( C ) , move ( A , B ) b ( A ) , cl ( A ) , cl ( B ) , w ( A ) , b ( B ) , ¬ w ( A ) on ( A , C ) , on ( B , D ) C.Rodrigues & Al. Collaborative online learning of an action mod 14/09/2014 7 / 14
Integration with a planner At a given moment, the agent a is in state s i , and has its own current action model T i and corresponding counter-examples memory O i . Each agent is provided with some random goal to reach G i . At each time t , the agent tries to build a plan P = ( a 1 , ..., a m ) to reach G i . - If it succeeds, the agent applies a 1 , observing effect e . Let ˆ e = predict ( a 1 , T i , s i ). If e = ˆ e , the agent applies the next action of the plan. - Otherwise, this generates a new counter-example x = ( s i , a 1 , e ), T i is revised locally into T ′ i , which is transmitted to the other agents, therefore triggering a global revision. If planning fails, random actions are selected and performed. C.Rodrigues & Al. Collaborative online learning of an action mod 14/09/2014 8 / 14
Results Accuracy ¡ 1 ¡ Average ¡accuracy ¡of ¡each ¡agent ¡ 0.9 ¡ 0.8 ¡ 0.7 ¡ 0.6 ¡ Tilde(1ag) ¡ 0.5 ¡ 1 ¡agent ¡ 0.4 ¡ 5 ¡agents ¡ 0.3 ¡ 30 ¡agents ¡ 0.2 ¡ 0.1 ¡ 0 ¡ 0 ¡ 100 ¡ 200 ¡ 300 ¡ 400 ¡ 500 ¡ Number ¡of ¡ac3ons ¡performed ¡by ¡each ¡agent ¡ C.Rodrigues & Al. Collaborative online learning of an action mod 14/09/2014 9 / 14
Results Communica4onal ¡cost ¡ 300 ¡ Average ¡number ¡of ¡messages ¡sent ¡ 250 ¡ 200 ¡ by ¡each ¡agent ¡ 150 ¡ 5 ¡agents ¡ 30 ¡agents ¡ 100 ¡ 50 ¡ 0 ¡ 0 ¡ 100 ¡ 200 ¡ 300 ¡ 400 ¡ 500 ¡ Number ¡of ¡ac4ons ¡performed ¡by ¡each ¡agent ¡ C.Rodrigues & Al. Collaborative online learning of an action mod 14/09/2014 10 / 14
Results Number ¡of ¡examples ¡ 30 ¡ Average ¡number ¡of ¡examples ¡ 1 ¡agent ¡ stored ¡by ¡each ¡agent ¡ 25 ¡ 5 ¡agents ¡(only ¡ 20 ¡ internal) ¡ 15 ¡ 30 ¡agents ¡(only ¡ internal) ¡ 10 ¡ 5 ¡agents ¡(all ¡ 5 ¡ examples) ¡ 30 ¡agents ¡(all ¡ 0 ¡ examples) ¡ 0 ¡ 100 ¡ 200 ¡ 300 ¡ 400 ¡ 500 ¡ Number ¡of ¡ac8ons ¡performed ¡by ¡each ¡agent ¡ C.Rodrigues & Al. Collaborative online learning of an action mod 14/09/2014 11 / 14
Results Number ¡of ¡achieved ¡goals ¡ 12 ¡ Average ¡number ¡of ¡goals ¡achieved ¡ 10 ¡ 8 ¡ by ¡each ¡agent ¡ 1 ¡agent ¡ 6 ¡ 5 ¡agents ¡ 4 ¡ 30 ¡agents ¡ 2 ¡ 0 ¡ 0 ¡ 50 ¡ 100 ¡ 150 ¡ 200 ¡ 250 ¡ 300 ¡ Number ¡of ¡ac7ons ¡performed ¡by ¡each ¡agent ¡ C.Rodrigues & Al. Collaborative online learning of an action mod 14/09/2014 12 / 14
Results - Vote protocol 7 ¡blocks ¡-‑ ¡2 ¡colors ¡ Average ¡and ¡vo3ng ¡accuracy ¡of ¡an ¡agent ¡in ¡a ¡5-‑MAS ¡ 1 ¡ 0.98 ¡ 0.96 ¡ 0.94 ¡ 0.92 ¡ Accuracy ¡ 0.9 ¡ Average ¡ 0.88 ¡ Vo3ng ¡ 0.86 ¡ 0.84 ¡ 0.82 ¡ 0.8 ¡ 0 ¡ 200 ¡ 400 ¡ 600 ¡ 800 ¡ Number ¡of ¡examples ¡received ¡by ¡each ¡agent ¡ C.Rodrigues & Al. Collaborative online learning of an action mod 14/09/2014 13 / 14
Thank you for your attention C.Rodrigues & Al. Collaborative online learning of an action mod 14/09/2014 14 / 14
Recommend
More recommend
