JPH06337709A - ロボット作業計画生成遂行方法 - Google Patents

Abstract

(57)【要約】 【目的】 目的達成に関係のない無駄な動作を少なく
し、ロボットにおける作業計画生成遂行を高速に行な
う。 【構成】 初期設定部１０において、副目標生成を行な
うか、現在の状態から前向きに探索するかを決定すると
きに使用する閾値ｔを設定する。計画生成実行部２０に
おいて、最大の中間目標適合度を持つオペレータＯをオ
ペレータ選択部３０で選択し、オペレータＯの達成困難
度を閾値ｔと比較して、副目標生成を行なうのか、現在
の状態から前向きに探索するのかの判断を行ない、達成
困難度の方が大きければさらに副目標の設定を行ない、
達成困難度の方が小さければ前向き探索部４０におい
て、前向き探索を行なう。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、自律移動ロボットにお
ける、作業の順序や経路の決定問題やマニピュレータに
よる組立て作業等の順序の決定問題（以降、自律移動ロ
ボットとマニピュレータを含めてロボットと称す）のよ
うな作業計画生成遂行問題において、目標達成に至る過
程での無駄な動作を削減し、処理を高速化することを可
能にするロボット作業計画生成遂行方法に関する。

【０００２】

【従来の技術】これまでに、ロボット作業計画生成方法
としてＳＴＲＩＰＳというシステムが提案されている
（R.E.Fikes and, N.J.Nilsson, “ＳＴＲＩＰＳ：Ａ
New Approach to the Application of Theorem Provin
g to Problem Solving”，Artificial Intelligence 2,
pp.189-208, 1971 参照）。ＳＴＲＩＰＳは対象の状態
を命題を用いて表現する。ロボットが知覚している世界
の状態はリテラルの連言を用いて表現される。リテラル
とは命題あるいは命題の否定形を指す。このとき、ＳＴ
ＲＩＰＳは基本となる動作をつぎに示すオペレータスキ
ーマ（簡単にオペレータという）という形式で表現す
る。

【０００３】前提条件式：世界がどのような状態のとき
にオペレータが適用できるかを表すリテラル群、それら
が全て真となるときにのみオペレータが適用可能であ
る。

【０００４】削除リスト：オペレータを適用する前の状
態では真であるが、オペレータを適用した後の状態では
真でなくなるリテラル群 追加論理式：オペレータを適用した後の状態で真となる
リテラル群 オペレータを適用された後の状態を求めるには、まず現
在の状態記述から削除リストにある記述を取り除き、そ
の後追加論理式にある記述を加えればよい。

【０００５】このオペレータと世界の初期状態と目標状
態の記述が与えられたときに、目標状態を達成するオペ
レータの系列を求めるアルゴリズムを以下に示す。ここ
で、初期状態、目標状態という用語は、ロボットがどこ
に位置するかということを含めて、どのような状態にあ
るかという広い意味で使用している。 ＳＴＲＩＰＳ １．初期状態をＳ，目標状態をＧとする。

【０００６】２．ＳＴＲＩＰＳ−１（Ｓ，Ｇ）を呼ぶ。

【０００７】３．２で得られた計画を返す。 ＳＴＲＩＰＳ−１（Ｓ，Ｇ） １．状態Ｓと状態Ｇの差Ｄを計算する。Ｄは状態Ｇを表
すリテラル群の中で状態Ｓで真となっていないものの集
合である。

【０００８】２．差Ｄが空ならば復帰する。

【０００９】３．差Ｄを解消するのに最も効果的なオペ
レータＯを選ぶ。

【００１０】４．初期状態をＳ、目標状態をＰとして再
帰的にＳＴＲＩＰＳ−１（Ｓ，Ｇ）を呼ぶ。ここで、Ｐ
はオペレータＯの前提条件式。

【００１１】５．４で得られた計画の最後にＯを付け加
えたものを新たな計画とする。

【００１２】６．状態Ｓに５で得られた計画を適用した
後の状態Ｓ’を計算する。

【００１３】７．初期状態をＳ’、目標状態をＧとして
再帰的にＳＴＲＩＰＳ−１（Ｓ’，Ｇ）を呼ぶ。

【００１４】８．５で得られている計画の最後に７で得
られた計画を付け加えたものを新たな計画とする。

【００１５】９．計画を返し、復帰する。

【００１６】上記のアルゴリズムＳＴＲＩＰＳ−１
（Ｓ，Ｇ）中のステップ３での最も効果的なオペレータ
とはつぎの基準で考える。この基準は差をどれだけ埋め
ることができるかということを表している。

【００１７】１．差Ｄに含まれるリテラルを最も多く追
加論理式に含むオペレータを選択 ２．１で複数の候補が残った場合 削除リストに含まれる目標状態を表すリテラルの数が最
も少ないものを選択 ３．２で複数の候補が残った場合 現在の状態で真となっていない前提条件式中のリテラル
の数の最も少ないものを選択 以上の基準で１つのオペレータに絞り切れない場合はラ
ンダムに選択する。

【００１８】以上ＳＴＲＩＰＳは目標を達成するために
最も効果的なオペレータを考え、そのオペレータを適用
するための条件を副目標にし、その副目標を達成するた
めに最も効果的なオペレータを考え、ということをオペ
レータが適用可能になるまで繰り返し、適用可能になれ
ばそのオペレータを適用することによって目標を達成す
る計画を得るものである。 ＲＴＡ^* さて、副目標生成という方法とは違って、初期状態から
どのようなオペレータを適用していくことが可能である
かということを考える前向きの探索の方法がある。目標
達成に要する速度の面から見て有効な探索アルゴリズム
としてＲＴＡ^*が公知の技術としてある（R.E.Korf, “R
eal-Time Heuristic Search”，Artificial Intelligen
ce 42, pp.189-211, 1990参照）。以下ＲＴＡ^* につい
て説明する。

【００１９】ＲＴＡ^* は現在の状態から遷移可能な状態
を考え、その状態を評価して、最も良い状態に遷移す
る。ＲＴＡ^* は計画生成と実行を交互に繰り返す。あら
かじめ、現在の状態ｘと目標状態の間の距離、すなわち
目標状態を達成するために必要なオペレータの数の推定
値を表すヒューリスティック関数ｈ（ｘ）が与えられて
いるものとする。オペレータを適用して状態をｘから
ｘ’に移すときに要するコストを簡単のため、ここでは
すべて１とする。

【００２０】ＲＴＡ^* アルゴリズムをつぎに表す。

【００２１】１．ｘを初期状態とする。

【００２２】２．状態ｘが目標状態と等しければ、終
了。

【００２３】３．状態ｘに対して適用可能なオペレータ
を考え、それを適用した状態ｘ’を求める。

【００２４】４．すべての状態ｘ’について目標状態ま
での推定値ｈ（ｘ’）を求める。

【００２５】５．小さい方から二番目の（ｈ（ｘ’）＋
１）の値を状態ｘの新たなｈ（ｘ）の値とする。

【００２６】６．最小のｈ（ｘ’）をもつ状態ｘ’に移
動する。すなわち、そのようなｘ’をｘとする。もし最
小のものが複数であれば、その中でランダムに選択す
る。

【００２７】７．２に戻る。

【００２８】ＲＴＡ^* はよい推定値が与えられれば、高
速に問題を解決することができる。ただし、解系列の長
さは、最適解に比べると一般にかなり長くなる。

【００２９】

【発明が解決しようとする課題】上記のＳＴＲＩＰＳは
目標状態と初期状態との差によって大まかな中間目標が
設定できる場合は有効である。しかし、適切な中間状態
がその差で表されないようなときには、後向きの探索を
するのと同様になる。例えば、Ａ地点からＢ地点にいく
という目標があった場合を考える。目標状態と初期状態
との差は“Ｂ地点にいる”ということになる。このとき
１歩進むというオペレータしか与えられていなければ、
“Ｂに隣接した地点にいく”という副目標しか生成でき
ない。Ｂ地点がＡ地点から遠く離れたところにあれば、
このような副目標が生成されても問題を解くことの難し
さはほとんど変化しない。Ｂに隣接した地点が複数あっ
た場合、本来地点Ａからそこに移動するのに必要なコス
トに差があるときでも、オペレータを見ただけでは初期
状態による差が評価できない。よって、ランダムな選択
をするしかなくなり、目標達成の過程で無駄な動作を含
むことになる。また、後向きの探索をするのと同様にな
れば、計画全体が求まるまで何ら動作を実行することが
できず、実時間での問題解決が不可能になる。

【００３０】ＲＴＡ^* の動作はヒューリスティック関数
の与え方に依存しており、推定値が目標までの距離の比
較的正確な値を返すときは有効である。しかし、推定値
が正確でない場合、どの状態に移動すればよいのかとい
う判断がつかなくなる。すなわち結果的に目標達成に関
係のないランダムな動作を実行してしまうことになる。
また、問題によっては適切なヒューリスティック関数を
与えることも難しい場合がある。例えば、２つの荷物が
別々の場所にあって、それを目的の場所まで運ぶという
問題があった場合、２つの荷物を一度に考えると、適切
な推定値を与えることは難しくなる。

【００３１】本発明の目的は、目的達成に関係のない無
駄な動作を少なくし、ロボットにおける作業計画生成遂
行を高速に行なうことが可能なロボット作業計画生成遂
行方法を提供することにある。

【００３２】

【課題を解決するための手段】上記目的を達成するため
に、本発明のロボット作業計画生成遂行方法は、目標状
態の一部をその効果に含むロボットの動作の前提条件で
置き換えたものである副目標状態を生成するとき、その
効果に目標状態の一部を含む動作の中から、中間目標と
しての適切さを表す中間目標適合度に応じて動作を選択
することによってできるだけ初期状態の近くに位置する
ような副目標状態を生成し、その動作適用の前提条件を
満足する計画が容易に生成できるかどうかを表す達成困
難度に応じて、副目標状態の生成を続けて目標状態の分
割を計るという副目標状態設定を行なうか、または現在
の状態において実行可能な基本動作の中から目標状態と
の差を最も小さくする動作を選んで実行するという前向
き探索を行なうことにより、副目標状態設定と前向き探
索を適切に切替える。

【００３３】

【作用】本発明のロボット作業計画生成遂行方法では、
つぎの２つの指標を考える。 中間目標適合度 中間目標としての適切であるかどうか、すなわち目標状
態を効果に含むオペレータが初期状態から目標状態へ至
る過程のどの辺りで実行されるものであるかということ
を表す。中間目標適合度が大きいということは、そのオ
ペレータがより初期状態に近い位置で実行されるという
ことを表す。このようなオペレータが選択されれば、そ
の前提条件は初期状態と近いものになっており、つぎの
計画段階がより容易になると考えられる。 達成困難度 実行しようとしているオペレータの前提条件式を充足さ
せるような計画が容易に生成できるかどうかを表す。こ
れは問題の分割の程度を表す。

【００３４】初期状態からオペレータの前提条件式を充
足する状態へ前向き探索を行なったときに必要なコスト
をｆ（１）とする。問題を均等に２分割したとき、一方
の問題について初期状態からオペレータの前提条件式を
充足する状態へ前向き探索を行なうときに必要なコスト
をｆ（２）とすると、問題を２つに分けているため、前
向き探索を２回することになるから前向き探索全体で必
要なコストは２＊ｆ（２）となる。同様に、問題を均等
にｎ分割するときのコストはｎ＊ｆ（ｎ）と書ける。こ
こで、一般にｆ（１）＞２＊ｆ（２）＞・・・・＞ｎ＊ｆ
（ｎ）である。これは、小さい問題の方がより良いヒュ
ーリスティック関数を与えることが可能なことによる。

【００３５】ところで、副目標生成にもコストがかか
る。適用可能なオペレータの数は問題の大きさに依らな
いので、このコストは問題の規模に対して一定であると
考えてよい。副目標生成１回当たりのコストをａとす
る。すると、結局問題をｎ分割したときに初期状態から
オペレータの前提条件式を充足する状態へ到るコストは
ｇ（ｎ）＝ｎ＊ｆ（ｎ）＋（ｎ−１）＊ａとなる。ｆ
（ｎ）はｎに対する減少関数であるため、ｇ（ｎ）はそ
の値が最小となるｎ^* が存在する。よって、ｎ＜ｎ^*の
ときには副目標生成を続け、ｎ＞ｎ^* のときには副目標
生成を行なわずに前向き探索を行なえば最小のコストで
目標を達成できる。

【００３６】ここで、ｆ（ｎ）やａは実際に問題を解い
てみなければ、その値を知ることはできない。しかし、
問題を解く前に副目標を生成するのか、前向き探索を行
なうのかを決定しなければならない。そこで、この指標
とするのが達成困難度である。達成困難度は初期状態と
オペレータが与えられたとき、オペレータ適用の前提と
なる命題の連言から初期状態を表す命題の連言を差し引
いた命題の集合の各要素に対して、ヒューリスティック
関数を作用させた値の和である。

【００３７】

【実施例】次に、本発明の実施例について図面を参照し
て説明する。

【００３８】図１は本発明の一実施例を示す全体の処理
のフローチャート、図２は初期設定部１０の処理を示す
フローチャート、図３は計画生成実行部２０の処理を示
すフローチャート、図４はオペレータ選択部３０の処理
を示すフローチャート、図５は前向き探索部４０の処理
を示すフローチャートである。

【００３９】本実施例のロボット作業計画生成遂行方法
は、図１に示すように、初期設定部１０と計画生成実行
部２０とオペレータ選択部３０と前向き探索部４０とか
らなり、前述した中間目標適合度と達成困難度の２つの
指標を用いて図２〜図５に示すアルゴリズムに従って与
えられた作業の計画を立てて実行する。 初期設定部１０（図２） １．初期状態をＳ，目標状態をＧとする（ステップ１０
１）。

【００４０】２．副目標生成と初期状態からのＲＴＡ^*
を用いた前向き探索のどちらを行なうか決定する閾値ｔ
を設定する（ステップ１０２）。 計画生成実行部２０（図３） １．初期状態Ｓと目標状態Ｇを比較する（ステップ２０
１）。両者が等しければ復帰する。

【００４１】２．最大の中間目標適合度を持ったオペレ
ータＯをオペレータ選択部３０で求める（ステップ２０
２）。

【００４２】３．オペレータＯの達成困難度を閾値ｔと
比較する（ステップ２０３）。

【００４３】４．・オペレータＯの達成困難度ｉ＞閾値
ｔのとき 初期状態をＳ，目標状態をＰとして再帰的に計画生成実
行部２０を呼ぶ（ステップ２０４）。ここで、Ｐはオペ
レータＯの前提条件式である。 ・オペレータＯの達成困難度＜閾値ｔのとき 初期状態をＳ，目標状態をＰとして前向き探索部４０を
呼ぶ（ステップ２０４）。ここで、ＰはオペレータＯの
前提条件式である。

【００４４】５．オペレータＯを実行し、中間状態Ｓ’
を求める（ステップ２０６）。

【００４５】６．初期状態をＳ’，目標状態をＧとし、
再帰的に計画生成実行部２０を呼ぶ（ステップ２０
７）。

【００４６】ステップ２０２で副目標生成を行なう。ス
テップ２０４，２０５がさらに副目標生成を行なうか、
前向き探索を行なうかを切替えるところである。この操
作によって、それぞれの能力が発揮できる領域でのみＳ
ＴＲＩＰＳとＲＴＡ^* を使用することができるようにな
る。 オペレータ選択部３０（図４） １．目標状態Ｇと初期状態Ｓの差Ｄを計算する（ステッ
プ３０１）。

【００４７】２．差Ｄを効果に含むオペレータを求める
（ステップ３０２）。

【００４８】３．最大の中間目標適合度を持ったオペレ
ータをＯとする（ステップ３０３）。最大のものが複数
あればその中でランダムに選択する。

【００４９】ステップ３０３の最大の中間目標適合度を
持ったオペレータＯを選択することにより、次段階での
目標が初期状態の近くに位置することになり、解決が容
易になる。 前向き探索部４０（図５） １．ｘを初期状態Ｓとする（ステップ４０１）。

【００５０】２．状態ｘを目標状態Ｇと比較する（ステ
ップ４０２）。状態ｘが目標状態Ｇと等しければ、復帰
する。

【００５１】３．状態ｘに対して適用可能なオペレータ
を考え、それを適用した状態ｘ’を求める（ステップ４
０３）。

【００５２】４．すべての状態ｘ’について目標状態ま
での推定値ｈ（ｘ’）を求める（ステップ４０４）。

【００５３】５．小さい方から二番目の（ｈ（ｘ’）＋
１）の値を状態ｘの新たなｈ（ｘ）の値とする（ステッ
プ４０５）。

【００５４】６．最小のｈ（ｘ’）を持つ状態ｘ’に移
動し、ｘ’をｘとし（ステップ４０６），２に戻る。も
し最小のものが複数あれば、その中でランダムに選択す
る。

【００５５】閾値ｔを０とすれば前向き探索は行なわ
ず、ＳＴＲＩＰＳと同じ動作をすることになる。

【００５６】以下に本発明を定量的に評価するために、
具体的に実験環境を構築した場合の例を示す。課題はロ
ボットが荷物のある場所まで移動して、目的の位置まで
運ぶことである。ロボットは図６に示すような空間を動
くものとする。空間全体は３×３の９つの部屋からなっ
ており、各部屋は５×５の２５の桝目からなっている。
ロボットは前後左右に１桝ずつ動けるが、斜め方向には
直接移動できない。各部屋には扉があり、ロボットは扉
を開けたり、閉めたりすることができる。ロボットは一
度に１つの荷物しか押すことができない。以下に今回用
いたオペレータを示す。

【００５７】・goto-room-location：部屋の中でロボッ
トだけが移動 ・push-box：部屋の中で荷物を移動させる（ロボットも
移動） ・go-through-door ：部屋間をロボットだけが移動 ・push-through-door ：部屋間で荷物を移動させる（ロ
ボットも移動） ・open：扉を開ける ・close ：扉を閉める 要素目標となるものはつぎの６つである。

【００５８】目標 box-inroom？box ？room ？box が？roomにあること robot-inroom？room ロボットが？roomにいること box-at？box ？location ？box が？locationにあるこ
と robot-at？location ロボットが？locationにいる
こと open？door ？doorを開いていること close ？door ？doorを閉まっていること この要素目標の連言を用いて目標が表現される。

【００５９】さて、本例においては中間目標適合度と達
成困難度を目標の抽象度に着目して決定することにす
る。box-inroomはbox-atの上位概念であり、robot-inro
omはrobot-atの上位概念である。すなわち、抽象度とい
う観点から、上記６つの目標を２つのグループに分ける
ことができる。 抽象度が高い box-inroom，robot-inroom 抽象度が低い box-at，robot-at，open，close 最初から正確にどの場所に行くという目標を立てるより
は、まず、大まかな場所を指定してやり、そこに行って
から、つぎに正確な場所に行くような目標の立て方をす
ると目標の達成が容易になると考えられる。すなわち中
間目標としては抽象度の高いものが多く含まれている方
が良いといえる。よって、つぎの式によって中間目標適
合度を定める。

【００６０】

【数１】 上式ではオペレータが達成しようとしている目標の中に
どれだけ抽象度の高いものが含まれるかということと、
そのオペレータが初期状態に達成されている目標を破壊
しないかということが計算されている。

【００６１】さて、オペレータの前提条件式の中で初期
状態が満たされていない要素目標の中に抽象度の高いも
のがなくなった場合を考えよう。この場合、既に抽象度
の高い目標は達成されているのであるから、未充足の目
標は初期状態から容易に達成できるものであると考えら
れる。ロボットの例でいえば、どの部屋からどの部屋に
移動するということは既に解決されていて、後は部屋の
中でどう動くかという問題だけが残されていることにな
る。逆に、オペレータの前提条件式の中で初期状態が満
たされていない要素目標の中にまだ抽象度の高い目標が
含まれている場合を考えよう。この場合は初期状態から
目標状態までまだかなりの距離があることが予想される
から、初期状態から探索を行なうのは効率が悪い。

【００６２】以上のことを考慮して、達成困難度を次の
式で計算する。

【００６３】

【数２】 前向き探索部４０で用いたコストの推定関数は ロボットの現在位置と目標状態における位置とのマンハ
ッタン距離＋荷物の現在位置と目標状態における位置と
のマンハッタン距離＋ロボットにとって目標状態におか
れていない荷物の中で最も近くにある荷物までのマンハ
ッタン距離 とする。これは一番近くにある荷物のところまでいっ
て、荷物を目的の位置まで運ぶという動作をする。

【００６４】荷物の数が１個の場合と２個の場合につい
て実験を行なった。それぞれの場合について３０問用意
した。ロボット・荷物の初期位置と目標位置は乱数を用
いて設定した。扉はすべて初期状態では閉じているとし
た。得られた結果は計画の生成時間と実行時間の両面か
ら評価する。計画の生成時間は実験で解を得るのに要し
たＣＰＵ時間とし、計画の実行時間は得られたオペレー
タ系列の長さで評価した。１回の試行についてＣＰＵ時
間が、荷物が１個の場合には６００［ｓ］を、荷物が２
個の場合には１２００［ｓ］を越えて目標状態に到達で
きなかった場合は解が求まらなかったとした。

【００６５】図７に従来技術と本発明による方法とを性
能面から比較した結果を示す。荷物が１個のとき、本発
明による方法、ＲＴＡ^* は全問題を制限時間内に解くこ
とができたが、ＳＴＲＩＰＳは７問（２３％）を制限時
間内に解くことができなかった。荷物が２個のとき、制
限時間内に全問題を解くことができたのは本発明による
方法のみで、ＳＴＲＩＰＳでは１０問（３３％）、ＲＴ
Ａ^* では２１問（７０％）を制限時間内に解くことがで
きなかった。結果を見てみるとＳＴＲＩＰＳ，ＲＴＡ^*
とも非常にばらつきが大きい。これは、作業が達成でき
るかどうかということがやってみないとわからないとい
うことで作業計画生成遂行方法としては信頼性に欠け
る。

【００６６】荷物が１個のみのときは計画生成時間で最
も速いのはＲＴＡ^* であり、本発明による方法は、計画
生成時間面ではＲＴＡ^* に比べて劣化している。しか
し、無駄な動作を５５％程度削減することができてい
る。実際のロボットを考えると計画生成時間よりは実行
の方により時間がかかると考えられるので、本発明によ
る方法の方が良い結果が得られたといえる。また、ＳＴ
ＲＩＰＳに対しては計画生成時間は１／１０以下にな
り、また実行時間は約１／４となり、非常に性能が向上
している。

【００６７】荷物が２個のときはＲＴＡ^* に対しては計
画生成時間は１／６程度になり、実行時間は１／６０以
下になっている。１つの荷物を運ぶのに適したヒューリ
スティック関数を用いていても、本発明による方法では
十分な性能が得られる。ＳＴＲＩＰＳに対しても計画生
成時間は１／１０以下になり、実行時間は１／２以下に
なっている。

【００６８】なお、本発明は自律移動ロボットのみなら
ず、組み立て作業等を行なうマニピュレータにも適用可
能であることは言うまでもない。

【００６９】

【発明の効果】以上説明したように、本発明は、複数の
目標からなる作業計画生成遂行を行なう場合、中間目標
適合度と達成困難度に応じて副目標生成と前向きの探索
を行なうことにより、無駄な動作を削減し、高速な計画
生成遂行を行なうことが可能になるとともに、得られる
結果の分散が小さく実用化に際して必要な信頼性の向上
が実現される効果がある。

【図面の簡単な説明】

【図１】本発明の一実施例のロボット作業計画生成遂行
方法の全体の処理を示すフローチャートである。

【図２】初期設定部１０の処理を示すフローチャートで
ある。

【図３】計画生成実行部２０の処理を示すフローチャー
トである。

【図４】オペレータ選択部３０の処理を示すフローチャ
ートである。

【図５】前向き探索部４０の処理を示すフローチャート
である。

【図６】本発明による具体例の問題空間を示す図であ
る。

【図７】従来技術と本発明による方法とを計画生計時間
と実行時間という面で比較した性能特性を示す図であ
る。

【符号の説明】

１０ 初期設定部 ２０ 計画生成実行部 ３０ オペレータ選択部 ４０ 前向き探索部 １０１，１０２，２０１〜２０７，３０１〜３０３，４
０１〜４０６ ステップ

Claims (1)

【特許請求の範囲】
1. 【請求項１】 ロボットの動作適用の前提条件とその効
   果が記述されたロボットの数種の基本動作および初期状
   態と目標状態が与えられたとき、初期状態から目標状態
   を達成するための基本動作の系列を生成し、それを実行
   するロボット作業計画生成遂行方法において、 目標状態の一部をその効果に含むロボットの動作の前提
   条件で置き換えたものである副目標状態を生成すると
   き、その効果に目標状態の一部を含む動作の中から、中
   間目標としての適切さを表す中間目標適合度に応じて動
   作を選択することによってできるだけ初期状態の近くに
   位置するような副目標状態を生成し、その動作適用の前
   提条件を満足する計画が容易に生成できるかどうかを表
   す達成困難度に応じて、副目標状態の生成を続けて目標
   状態の分割を計るという副目標状態設定を行なうか、ま
   たは現在の状態において実行可能な基本動作の中から目
   標状態との差を最も小さくする動作を選んで実行すると
   いう前向き探索を行なうことにより、副目標状態設定と
   前向き探索を適切に切替えることを特徴とするロボット
   作業計画生成遂行方法。