24、多智能体系统的规范验证与因果追踪

多智能体系统的规范验证与因果追踪

1. 火星机器人案例中的目标分析

在火星机器人案例里，通过逻辑推导能得到一些关键结论。最初的表达式为：
((x, y) = (x_{R2}, y_{R2}) ∧ busy ∧ ¬(¬G(x, y) ∧ busy))
可改写为：
((x, y) = (x_{R2}, y_{R2}) ∧ busy ∧ (G(x, y) ∨ ¬busy))
进一步简化为：
((x, y) = (x_{R2}, y_{R2}) ∧ busy ∧ G(x_{R2}, y_{R2}))

由此可知，机器人 (R2) 的 “Burn” 节点上下文蕴含 (¬G(x_{R2}, y_{R2}))，这与上述简化后的等式不兼容。所以，(R2) 与目标 (B) 兼容的目标集合为 ({Pick, MGR2})。
- 若 (R2) 执行目标 (MGR2)，该目标是可实现的（NS），这意味着 (SCB) 会为真。
- 若 (R2) 执行目标 (Pick)，由于此目标是可实现的，且通过 “SeqAnd” 操作符后接着是另一个可实现的目标 “Burn”，那么其父目标 (MGR2) 也会被满足，目标 (B) 同样会被满足。

当 (R2) 的目标分解树（GDT）执行结束时，回顾 (R2) 的触发上下文 (TC(R2) = G(x_{R2}, y_{R2}))，显然上述等式能推出该触发上下文。所以，(R2) 会执行其主要目标，从而满足目标 (B)。

2. 与其他工作的比较

2.1 目标分解

Agentspeak 计划的主体是一系列基本动作或（子）目标，当计划被触发时，