The approaches to make an agent decide the proper actions for achieving the goal might be roughly categorized into two groups - the planning and the situated action approach. It is well known that each system has its own strength and weakness with its own application areas. In particular, since, unlike the planning, the situated action approach is to derive not the complete course to the goal, but only the currently closer state to the goal and the action to accomplish it at every situation, the computational requirement could be reduced compared with the classical planning. Numerous scientific applications which adapt this notion have followed, and usually showed the faster response time in deriving currently proper actions for achieving the goal. As a result, this fast runtime makes the situated system be well situated than the classical planner in the dynamic and unanticipated environment, and moreover, the remaining resource derived by the fast runtime could be used in more important tasks such as learning and recognizing the situation. However, although the closer state to the goal for deriving the situated action would be easily calculated in spatial reasoning, it might be comparatively difficult to derive it in logical reasoning. Therefore, most of practical applications of the situated action have been restricted to those fields such as the navigation of mobile robots, and not directly handled general logical problems that have been dealt by the classical planning.

This dissertation first presents the new perspective for designing the intelligent agent, which the agent should be built based on the notion of situated action. Moreover, since the symbolic expression is necessary to simulate and realize intelligence, we also provide the new point of view that situated action should be represented in symbols.

And then, for reflecting the design methodology, we propose a novel action selector to situatedly extract a set of actions, which is likely to help to achieve the goal at the current situation, from the relaxed propositional space. After applying the set of actions, the agent should recognize the new situation for deciding the next proper set of actions. By repeating this procedure, the agent is expected to arrive at the goal state. The experimental result in some planning domains shows that the quality of the resultant path to the goal is mostly acceptable as well as deriving the fast response time. This approach could therefore make the agent be well situated in solving the complicated tasks given in propositional logic, and moreover effectively recognize and learn the situation by using the remaining resource.

However, since those actions are derived from the relaxed space in which roughly considers the planning problem, this method can be applied only in the deadlock free domain where fatally wrong decisions cannot be made. Hence, this dissertation proposes two novel notions to make the agent deal with the deadlock problem: hybrid architecture based on the situated action selector, and situated imagination. The former is to combine the situated action selector with the conventional planner, which the situated action selector requests the conventional planner to derive the proper action only when the agent is regarded to meet the deadlock. The approach for the latter situated imagination makes the pure situated action selector deal with most of the deadlock problems without the help of the conventional planner. The agent with the latter approach could avoid meeting the deadlock through imaging lookahead states. In the experimentations performed on various planning benchmarks, although both approaches still show the fast runtime solving the deadlock or deadlock free problems, the planning quality heavily depends on the given planning problem.

We also propose the structural model of the planning problem by examining those dependencies. We believe the planning problem has its own distribution of lumps of deadlocks, and furthermore the development of the algorithm to learn the structures, which are the form of the distribution of them, is one of the most important issues in building the intelligent agent and understanding our decision making in everyday life.

人工知能（AI）分野における問題解決の手法として、プランニングに基づいた手法と状況的行為（situated action）に基づいた手法の研究が知られているが、いずれも実用の観点からは制約が大きい。本論文は、この二つのアプローチのそれぞれのデメリットを除いた知能エージェントのデザイン方法論を提案し、それに基づいたアルゴリズムを提案したもので、英文で記述された以下の8章から構成されている。

第 1 章「Introduction」は序論であり、研究の背景と目的について述べている。 知能エージェントが適切な行動を選択するための研究は、プランニングに基づいた手法と状況的行為に基づいた手法が知られているが、いずれも制約があった。 即ち、プランニングは、膨大な情報とリソースを必要とし、計画を立てるのに比較的長時間を要するため、動的な環境では状態の変化に追い付けない場合を生じる。 一方、状況的行為に基づいた手法は、現状況のみを考察の対象とするため、必要なリソースが小さくかつ短い処理速度で行動を引き出すことができるが、論理式で与えられた一般的な問題に対する解法は見つかっていない。本論文の主な目的は、論理式で与えられた一般的な問題に対して、現在の状況と目的とする状況との相関関係を引き出すことによって、記号的な状況的行為を引き出すことである。

第 2 章「Definitions」では、本論文で採用している記法を説明している。

第 3 章 「Action Selection」では、エージェントが適切な行動を選択するためのプランニングに基づいた手法と状況的行為に基づいた手法についてそれぞれ紹介している。 特に、人工知能分野の観点からだけではなく、認知心理学からの観点などを幅広い視点から問題の整理を試みている。

第 4 章 「Intelligent Behavior」では、知能的な行動を引き出すために必要な要素について考察を行い、状況的行為に関して従来の研究では強く否定されている記号処理に基づいたアプローチを擁護し、より知能的なエージェントを構築するためには、状況的行為に基づがなければならないという知能エージェント設計における新しいデザイン方法論を提案している。

第 5 章 「Deriving Situated Actions L」では、前章で提案したデザイン方法論に基づいたアルゴリズムを提案している。 即ち、論理式で与えられた問題から作られる計画空間を、近似的に考慮することによって、現状況から実行できる行動の中で、目的達成に要求される行動のみを高速に求めるアルゴリズムを提案している。 エージェントはこのように抽出された状況的行為を実行し、その結果生じた新たな状況からそのような行動を再び引き出すという過程を繰り返せば目的を達成することができる。 このようなアルゴリズムを、プランニング研究で従来より使われてきたベンチマークドメインで実験を行い、既存のプランニング手法と比べて、直面する状況で約1/10 ~ 1/100の時間で行動を引き出すことができることを示している。本論文で提案されたアプローチは、使用するリソースが少ないため、規模の大きな問題に対しては、既存のプランナーが解けない問題を解き得ることが示されている。

第 6 章 「Hybrid Architecture」では、前章で提案された手法を、より広い範囲の問題、即ち、行動選択において誤りが許されない問題 − デッドロックを含んでいる問題に適用するために、提案した手法と既存のプランニング手法とを融合した統合型アーキテクチャを提案し、その有効性を実験的に示している。

第 7 章 「Situated Imagination of Lookahead States」では、前章で提案された統合型アーキテクチャにおける問題、即ち、頻繁に既存のプランナーが介入することによる、全システムの反応の遅延の問題を解決するために、第 5 章で提案された状況的行為のみでデッドロック問題を解く手法を提案している。 即ち、現状況の少し後の状況を推定することによって、第 6 章で提案された統合型アーキテクチャより早い反応速度を維持しながらも、デッドロックに陥ることをある程度避け得ることを述べている。

第 8 章 「Conclusion」では、以上の成果をまとめ、内容を総括すると共に、今後の課題について述べている。

以上これを要するに、本論文は、問題解決を行う知能エージェントの設計において、従来提案されてきたプランニングに基づいた手法と状況的行為に基づいた手法の両者の特徴を兼ね備え、かつ両者の制約を大幅に軽減する新しい手法を提案し、その有効性を実験的に示したものであり、知能工学に貢献するところが少なくない。よって、本論文は、博士（工学）の学位請求論文として合格と認められる。