Parallel AI Planning
- Reference number
- FFL24-0238
- Project leader
- Seipp, Jendrik
- Start and end dates
- 250801-300731
- Amount granted
- 15 000 000 SEK
- Administrative organization
- Linköping University
- Research area
- Computational Sciences and Applied Mathematics
Summary
AI planning is a core challenge in artificial intelligence. It focuses on intelligent sequential decision-making to achieve specific objectives within a given environment. State-of-the-art AI planning algorithms can solve complex planning tasks from various application domains, such as robotics, logistics, and space mission control. However, while adjacent AI fields have successfully embraced parallel computing, AI planning algorithms are still constrained to purely sequential, single-core execution. To address this, we will create the first parallel AI planning system, fully optimized for modern multi-core processors. Within it, we will develop new parallel search algorithms tailored for AI planning tasks. These algorithms will greatly speed up the search for plans, but the speedup will be limited by the number of available cores. To achieve an exponential reduction in search effort, the main goal of my project is to develop the first algorithms for computing search guidance in parallel. By combining solid theoretical foundations with efficient parallel implementations, our project has the potential to induce a paradigm shift in AI planning research towards parallel computing.
Popular science description
Föreställ dig en hushållsrobot som får en lista över dagens sysslor. De skulle till exempel kunna vara att tvätta, städa huset, laga mat och vattna trädgården. Roboten måste då räkna ut den effektivaste ordningen att utföra dessa uppgifter, med hänsyn till faktorer som hur lång tid varje uppgift tar, när måltiderna ska vara klara eller när växterna behöver vattnas. Detta är ett exempel på AI-planering. Förvånansvärt nog så använder dagens mest avancerade AI-planeringssystem bara en del av datorns hjärna, eller "kärna", för att lösa sådana komplexa uppgifter, trots att moderna datorer har många kärnor. I motsats till AI-planering så har andra områden inom AI redan gjort framsteg vad gäller att använda alla tillgängliga kärnor för att arbeta i maximal hastighet, vilket lett till snabbare och effektivare problemlösning. Mitt projekt syftar till att lyfta AI-planering till denna nivå genom att utveckla verktyg som gör det möjligt för AI-planerare att använda moderna datorers fulla kraft. Konsekvenserna av denna forskning kan bli revolutionerande eftersom de har potentialen att ta AI-planering in i multi-core-eran. Detta kommer inte bara att drastiskt minska den tid det tar vår hushållsrobot att planera sysslor, utan även göra det möjligt för oss att lösa mer komplexa uppgifter i många andra sammanhang, såsom robotteknik inom tillverkningsindustrin, autonoma fordon eller rymdutforskning.