基于HTN的巡視器動態規劃方法

師 明, 高宇輝, 張 弓

(1. 北京航天飛行控制中心, 北京 100094; 2. 航天飛行動力學技術重點實驗室, 北京 100094)

0 引 言

深空探測任務中,地面運控中心根據任務目標、巡視器遙測狀態、測通通信條件等要求,生成周期性的任務計劃和工作指令。為提高工程系統的穩健性和運行效率,工程部門引入人工智能技術開發規劃調度系統,完成復雜約束條件下的事件沖突消解。例如,火星快車人工表示(Mars express artificial representation, MEXAR)系統采用時間軸表示框架構建領域相關的約束能力模型,支持生成多日/周工作計劃,使火星快車數據下行管理的規劃事件減少了50%[1]。MEXAR的成功經驗為先進規劃與調度計劃(advanced planning and scheduling initiative, APSI)軟件平臺奠定了技術基礎,后者將規劃領域模型描述為并行的時間線集合,在規劃過程中進行并行事件的約束傳播和沖突消解,獲取規劃問題的可行解[2-3]。歐洲航空局(European Space Agency, ESA)在APSI之后推出的火星快車科學規劃工具系統,將APSI的時間線框架拓展為通用、靈活的軟件架構[3-4]。但是,APSI的設計目的在于解決復雜度較高的問題,缺少對于一般問題的普適性。美國宇航局(National Aeronautics and Space Administration,NASA)針對不同任務特點推出多個規劃架構和系統平臺。哈勃天文望遠鏡長期任務調度和規劃系統,支持生成多達5 000個觀測活動的工作序列[5]。“深空一號”任務中所采用的遠程智能體規劃系統,使用任務分解和迭代修補的方法完成對資源和時間約束的處理,支持巡視器自主飛行,但系統實現較為復雜[6-7]。在南極測繪、地球觀測一號和軌道快車等多個空間飛行任務中,應用部署的自動調度和規劃環境(automated scheduling and planning environment,ASPEN)系統開發架構,采用時間推理系統表示和處理時間約束[8-9]。在國際空間站“太陽能電池陣列約束引擎”、行走機器人控制、水下無人駕駛系統等使用的可擴展通用遠程操控規劃架構(extensible universal remote operations planning architecture,EUROPA)采用基于組件的軟件框架和面向對象的語法,描述時間、資源、規則和變量等約束條件,具有領域建模、規劃表示、約束傳播等功能[10-12]。在火星巡視器機遇號和勇氣號中使用的活動計劃生成系統,則同時調用了EUROPA、ASPEN兩個規劃器,采用時間線技術處理能源、通信等約束[13-14]。上述規劃系統均以時間線為核心進行約束表示和沖突消解,高度依賴地面測控系統提供長時間的連續跟蹤,以完成對多個事件的安排。

在嫦娥探月工程中,總體部門在嫦娥3號任務中提出“工作模式”的概念,并應用于歷次深空探測任務[15]。工作模式是巡視器動作序列的邏輯關系的組合,不考慮動作的時間信息。如祝融號針對低溫、弱光照的環境,設計了4種正常工作模式以確保能源安全[16]。北京飛行控制中心作為深空探測地面運控中心,采用經典動作規劃技術,以工作模式為規劃對象構建智能規劃系統,解決了約束條件下多分支作業選擇困難和事件屬性設置復雜等難題[17]。為提升測控效率,深空探測任務存在動態規劃的需求。動態規劃與事件的時間屬性密切相關,因此需要進一步完善領域知識模型,以支持巡視器活動序列的動態調整。

分層任務網絡(hierarchical task network,HTN)是一種基于狀態轉移的規劃方法,最初由Sacerdoti在1975年的研究中提出[18];Yang等引入前置條件完善了動作集合的定義[19];Kambhampati等進一步將分層非線性規劃與領域知識結合,提出任務分解和一致性驗證的方法[20],至Erol形成經典的HTN形式化定義[21-22]。HTN規劃方法采用原子命題集合表示系統狀態、動作和方法,將復合任務不斷分解為子任務,形成原子任務的集合并作為規劃的最小單元。對于巡視器任務規劃問題而言,方法的適用性主要體現在3個方面:首先,HTN規劃基于領域知識進行推理,將復合任務逐層分解,適用于巡視器任務規劃中任務目標的層次性特征;然后,基于分層分解的思想處理復雜問題的方法使HTN規劃有能力解決大規模問題,對規模和數量日益龐大的巡視器任務規劃問題具有很強的應用潛力;最后,HTN規劃方法具有很強的領域知識表達能力,能夠充分表達任務分解過程中的條件以及動作執行對系統狀態的改變。因此,采用HTN規劃能夠清晰地表達邏輯推理過程,且便于記錄任務分解的關鍵節點,有利于在動態執行環境下進行方案修復。但是,基于HTN理論發展而來的領域無關規劃器不支持對時間關系的處理[23]。相關研究中針對具體問題,發展出一種基于簡單時間網絡(simple temporal network, STN)的處理方法,包括建模中引入時態偏好[24]、設計特定數據結構進行算法優化[25]等,在文獻[26]和文獻[27]等特定領域的規劃器得到應用,不具有普適性。

本文采用HTN的方法,提出任務、周期作業、動作序列、狀態受限事件、原子動作和指令計劃6層規劃體系,結合飛控工程經驗把全局時間點引入Allen教授提出的區間代數定義,拓展事件時態約束關系的表示方法,實現一種基于虛擬事件和虛擬指令的動態規劃方法。所提出的動態規劃流程和處理方法可以廣泛應用于不同型號航天器地外天體的巡視探測任務。

1 問題描述

巡視器探測目標距離遙遠,存在長時間單程時間延遲,如地球到月球的單程通信時延達到1.35 s,地球到火星的單程通信時延達到22.3 min,地球到冥王星的單程通信時延超過6 h 58 min[16],結合測控資源現狀,測控弧段資源有限,巡視器不能依賴地面運控中心實時規劃的結果。同時,巡視器在受到外部空間環境、載荷平臺狀態異常等擾動時,地面飛控作業需要及時引入新的約束條件,生成新的規劃方案,以避免對飛控實施工作造成影響,因此在飛控任務中催生出動態規劃的需求。

考慮以下影響因素:

(1)工作模式是一種基于狀態轉移的設計,未考慮事件的時態屬性,導致巡視器工作狀態與地面飛控中心是一種松耦合關系,降低了人在回路的控制能力。

(2)在進出測控區、光照陰影區等測控時間點時,需要根據巡視器遙測數據判定的狀態,安排臨時任務,生成新的指令。考慮到未知環境隱含的不確定性,臨時任務可能會對初始規劃結果中的事件時態關系產生影響。

(3)動作執行狀態的改變,帶來狀態一致性的問題。動作序列與條件效果序列是對應的,在動作執行過程中,這種對應關系不應該發生變化。臨時新增任務所包含的動作和動作序列,可能導致狀態空間發生變化,進而導致規劃結果的不準確。

因此,需要引入一種領域知識模型的范式,以表征事件之間的時態約束關系;減少動態規劃帶來的不確定性,提高工程任務的執行效率。

2 基于HTN的領域知識建模

本文結合巡視器領域知識,將工程任務自上而下分為任務、周期作業、動作序列、狀態受限事件、原子動作和指令計劃6個層級,如圖1所示。完成任務目標確定、約束傳播與狀態一致性判定,最后通過指令展開獲得航天器上行的指令序列。每個層級都包含特有的領域知識,通過HTN的范式定義統一起來,具體定義如下。

圖1 基于HTN的任務分層模式設計Fig.1 Task layering pattern design based on HTN

定義 1科學探測任務:

P=〈D,S0,TCN〉

(1)

式中:D表示領域知識模型;S0表示任務初始狀態;時態約束網絡(temporal constraint network, TCN)表示時態約束網絡。通過對工程總體文件進行分析,獲得巡視器科學探測任務。

定義 2狀態集合:

S=〈Q,C〉

(2)

式中:Q表示巡視器本體相關的狀態,包括主體坐標、桅桿指向、天線指向、電量等;C表示外部約束條件集合,包括太陽高度角、通信鏈路、載波切換計劃等。每個目標命題都具有如下形式Si={s′∈S,?s∈G},其中G為任務目標狀態集合。任務初始狀態S0表示在初始時刻i=0時的任務狀態,g是狀態集合中的元素,表示巡視器在當前任務的目標狀態。

定義 3領域知識模型:

D=〈O,M,δ〉

(3)

式中:O表示動作序列的集合;M表示方法集合;δ表示狀態轉移函數。

下面對領域知識模型中的3個元素進行詳細描述,所涉及到變量定義中,均滿足條件?i∈N。

用三元組〈head(o),pre(o),effect(o)〉表示動作序列集合O,head(oi)為動作序列的頭部文件,包含了動作序列名稱和缺省參數;pre(oi)表示執行動作序列o前需要滿足的前提條件;effect(oi)是執行動作序列oi后產生的效果。動作序列集合O將任務分解為帶參數選項的“工作模式”,每個模式包含了缺省的動作序列,同時還定義了一些與規劃計算相關的屬性或約束。在領域模型中,動作序列執行的前置條件即當前巡視器本體狀態需要滿足約束條件,判斷條件為pre(o)={S(Q),S(C)}。

綜合分析探測點可達性評估方法、測控跟蹤條件計算方法、太陽高度角/方位角的預報方法、不同路況下能源消耗估算策略以及科學探測需求,將巡視器動作序列實例化表示為工作模式,定義

O={!perceive,!move,!detect,!charge,!sleep}

式中:!perceive表示感知模式,即巡視器獲取導航信息數據,并將導航信息數據下傳到地面控制中心;!move表示移動模式,即巡視器接收地面控制中心指令,達到目標位置;!detect表示探測模式,即巡視器所攜帶的有效載荷設備加電工作,獲取科學探測數據,并在通信窗口內將數據下傳到地面控制中心;!charge表示充電模式,即巡視器調整太陽翼,按規定實現對日定向后保持靜止狀態,蓄電池組開始充電;!sleep表示休眠模式,巡視器其他設備完全斷電不工作。工作模式的名稱、前提條件和動作效果,作為參數寫入巡視器配置文件。工作模式構成了HTN的原子任務,動作序列則用來完成原子任務并改變當前狀態,當序列數量N=1時,表示該工作模式僅包含一個動作。

用四元組〈head(m),pre(m),subTask(m),Ep(m)〉表示方法集合M。其中,head(mi)表示方法的頭部文件,包含了方法名稱和傳遞參數;pre(mi)表示使用方法mi前需要滿足的前提條件,所有采用該方法的任務所傳遞的參數需保持一致;subTask(mi)表示將復合任務分解為子任務,以及執行子任務所使用的方法mi;Ep(mi)表示執行方法mi需要引入的外部計算,包括能源消耗估算和本體坐標時間轉換兩個獨立的計算子程序。

狀態轉移函數δ可以表示為M×O→S,δ(s,o)表示在某個狀態si下應用某個操作符oi的后繼狀態,有δ(si,oi)=si+1,δ(si+1,oi+1)=si+2。可知,不斷利用方法m對任務網絡中的復合任務進行分解,可以獲得原子任務網絡。規劃問題的求解過程即一個任務不斷分解的過程。

定義 4定義TCN為:

TCN=〈J,C〉

(4)

表示所有任務集合和事件間約束關系組成的有向加權圖。以巡視器起點坐標為規劃起點,目標點為終點,過程中經過的導航點可以將一個長周期的巡視探測任務劃分為多個短周期的作業J0,J1,J2,…,Jn,構成TCN網絡的節點;C在式(2)中已定義,表示外部約束條件集合,包括太陽高度角、通信鏈路、載波切換計劃等。其中,時間信息隱含在事件之間的約束關系中。

利用TCN定義的作業見邏輯關系,可以獲得有序的工作序列。一個HTN的規劃解由初始網絡TCN0分解得到,且動作序列〈a0,a1,…,an〉滿足對應作業序列〈J0,J1,…,Jn〉在任務網絡TCN上的狀態一致性約束,規劃結果是原子動作集合A的相關函數,且滿足Π={ai,?i∈N}。

定義 5狀態受限事件:

I=〈S,A〉

(5)

式中:S為狀態集合;A為動作集合。

狀態受限事件可以表示多個活動事件之間的時態關系。以移動模式為例,狀態受限事件包括盲走、自主移動、視覺測程、多電機移動和分離移動等,每個事件由動作和動作序列組成。在自主移動工作模式下,需要完成前障避障相機加電、前障避障相機分頻參數設定、前障避障相機曝光行位置設定、前障避障相機自動曝光、陀螺零偏修正、火星車移動、轉向輪回零設置、相機斷電、正常退出等動作。當遙測結果判定滿足制導、導航與控制(guidance, navigation and control, GNC)交出移動控制權且移動斷電,即證明自主移動結束,可以轉入下一個工作狀態。

動作集合A=〈dura,Ta,Ea〉,dura表示動作的持續時間;Ta是a的開始時間;Ea是a在開始時間、結束時間的動作執行效果集合。每個動作都有一個非負的起始時間Ta和一個正實數的持續時間dura,并且采用了一個保守的動作模型,即:

(1) 所有的前提條件必須在動作的開始時間Ta為真;

(2) 不受動作本身影響的前提條件必須在動作的執行過程[Ta,Ta+dura]中全程為真;

(3) 效果在動作執行期間未定義,且僅保證在最后時間點Ta+dura為真。

這意味著,如果一個動作的某個前提或效果是另一個動作的某個前提或效果的否定,那么這兩個動作無論如何都無法重疊執行。

如巡視器自主移動前需要進行陀螺零偏修正,定義為動作A1,完成該動作需要5 s,即dur1=5 s,在上一個動作完成后延時1 s啟動,即啟動時間為上一個動作完成后偏移Δt1=1 s;動作效果包括失效和正常兩種情況,即Ea=[0,1]。則該動作正常執行的知識模型為A1=[5 s,+1 s,1]。

3 動態規劃流程

HTN規劃過程表達了復合任務與子任務之間的分解關系,以及系統狀態轉移的代價條件,并把求解搜索空間限定在不同規模的任務層級,有效地縮小了計算空間,提高了求解效率,可以解決較大規模的實際決策問題。

制定巡視器科學探測任務規劃的流程如圖2所示。

圖2 動態規劃流程Fig.2 Process of dynamic planning

步驟 1解析工程總體文件中所定義的工作模式,構建領域知識模型,定義工作模式活動順序和相互間狀態轉移關系。

步驟 2依據狀態轉移條件δ進行工作模式間邏輯關系的推理,實現航天器在一個周期單元內的事件排序,形成任務定制文件。

通過對領域知識模型的分析可知,組成工作模式的動作序列是一類狀態受限的事件。狀態空間中從初始狀態到達目標狀態的路徑是一個狀態確定的解。在領域建模過程中,本文構建TCN任務約束網絡,在節點屬性中包含約束條件,因此在搜索過程中可以避免冗余路徑。基于狀態一致性的判定,狀態空間可以拓展至所有節點,因此對于有限狀態空間是完備的,避免了搜索失敗的可能性。

本文采用前向剪枝策略的啟發式搜索算法,TCN中每一個節點對應狀態搜索空間的一個狀態,每一條有向邊對應一個狀態轉換條件,從當前路徑出發進行前向搜索。

具體流程如算法1所示。

算法 1 基于前向剪枝策略的啟發式搜索算法輸入 任務集合輸出 巡視器動作集合步驟 1 任務集合P中選擇一個短周期作業J,作為任務約束網絡的初始節點步驟 2 設置初始節點J初始狀態和目標狀態步驟 3 設置解集為空,即Π=0步驟 4 從初始節點J開始進行循環迭代搜索步驟 4.1 If 節點J所代表是一個原子動作 Then If 節點J的當前狀態S滿足狀態轉移條件 Then 開始下一個節點的狀態判斷,即S=S+δ(o×m) 把節點J包含的動作屬性o,放入解集,即Π=Π+{o} 上述動作,完成領域模型D的約束傳播 Else 搜索失敗,跳出循環Else 跳至步驟4.2判讀步驟 4.2 If 節點J是一個動作序列 Then 判讀動作屬性a、狀態屬性S是否滿足狀態轉移條件。 If 條件為真,把動作序列{o0,o1,…,on}放入解集,進行網絡節點信息更新。 Else 搜索失敗,跳出循環Else 跳至步驟4.1判讀

規劃解是在不斷地選擇動作和狀態轉移的迭代中得到的。首先,判斷作業是否為原子任務,當一個工作模式所包含的動作即可完成該作業,且滿足目標狀態,則認為該作業是不需要繼續分解。算法獲得局部規劃解,并對當前巡視器中狀態進行更新和重置。如果作業是非原子任務,則包含多個工作模式,進行使用局部最優搜索遍歷分支,找到滿足約束條件的動作序列。在一個事件集的約束網絡中,多個工作模式可能出現沖突,沖突的原因包括未賦值參數沖突、違反參數約束沖突、未分配時間約束沖突、違反時間約束沖突、未分配預留項沖突、可耗盡資源沖突、不可耗盡資源沖突、狀態需求沖突、狀態轉移沖突等。采用約束滿足問題(constraint satisfaction problem, CSP)前向搜索算法進行循環迭代,直至沖突完全消解。如果沖突不能完全消解,則通過人機迭代的方式進行決策。將獲得的工作模式序列放入結果集合中,并更新任務狀態。進而獲得巡視器在一個工作周期內的事件排序,即任務定制文件。

步驟 3動態事件分析與構建。

由于深空環境存在較大的未知性,很難準確地定性描述航天器在確定時刻的工況,需要處理較多的不確定性,包括太陽光壓變化導致航天器空間引力場變化、深空熱環境變化導致航天器內部元器件工作狀態變化等。這種環境不確定性帶來的狀態空間的變化,可能導致既定的動作效果發生偏差。因此,需要引入動態規劃及時進行糾正。

地面一般采用延時指令控制的遙操作模式,結合測控時間窗口生成一個周期單元的指令序列。以火星遙操作任務為例,把中繼通信間隔作為周期單元,地面一次規劃即生成一個火星日的延時指令序列,以確保火星車在無地面測控支持下可以完成既定任務[16]。在數傳窗口對地下延時遙測、感知和探測數據,地面應用中心從工程和科學的角度進行作業執行效果研判,制定動態事件策略和下一個火星日的任務規劃。

根據定制文件中對活動事件的安排,判斷動態事件與全局時間點的時態關系,構建動態事件,實現新增事件的臨時加入和實時更換。動態事件由虛擬事件和初始事件組成,無需調整原有事件間的時序邏輯,即可實現新增事件的臨時加入和實時更換。采用虛擬指令的方式表示動態事件中的虛擬事件,虛擬指令僅作占位處理,不包含具體的指令內容,因此動作執行前后的狀態空間保持一致,解決了狀態一致性的衍生問題。

動態事件、虛擬事件與全局時間點的時態關系處理方法,詳見第4節。

步驟 4按照時序關系,將事件逐級展開為有序指令集合,生成用于航天器任務規劃控制的指令計劃。其中,虛擬事件用虛擬指令替換,僅作占位處理,不包括具體的程控指令。由于虛擬事件沒有影響初始事件之間的時序關系,因此原有狀態空間未發生變化,并繼承了初始事件的約束條件。

步驟 5地面操作人員通過人機交互的方式,確認是否有新增任務。如果有,則用新增事件替換虛擬事件,新增事件所對應的指令序列替代虛擬指令序列,生成調整后的指令計劃;如果沒有,則不改變指令計劃。

4 動態事件的時態約束處理方法

Allen教授提出區間代數理論,事件之間包括13種常見的時態關系[28]。時間區間是一個由開始時間和結束時間組成的閉區間,為時態關系的推理提供了重要的數學工具。為精確描述事件之間的時態關系,以及更好地處理動態任務請求,本文把全局時間點概念引入Allen區間代數,用來表征事件、動態事件與全局時間點三者之間關系,拓展了時態約束關系的表示方法。本文沿用Allen所定義的時態關系符號,具體如表1所示。

表1 Allen區間代數定義的13種基本時態關系Table 1 13 basic tense relationships defined by Allen interval algebra

初始事件I與全局時間點T的時序邏輯判斷,以及初始事件I、動態事件Id、虛擬事件Iv、全局時間點T的時序關系安排方法,描述如下:

(1) 如果I{<}T,動態事件和虛擬事件的安排需滿足條件:I{di}Id&Id{f}T&Iv{f}T;

(2) 如果I{f}T,動態事件和虛擬事件的安排需滿足條件:I{=}Id&Id{f}T&Iv=null;

(3) 如果I{di}T,動態事件和虛擬事件的安排需滿足條件:I{di}Id&Id{di}T&Iv{di}T&I1{<}T&I2{>}T&I=I1+I2;

(4) 如果I{s}T,動態事件和虛擬事件的安排需滿足條件:I{=}Id&Id{s}T&Iv=null;

(5) 如果I{>}T,動態事件和虛擬事件的安排需滿足條件:I{di}Id&Id{s}T&Iv{s}T。

區間代數的拓展定義如表2所示。

表2 區間代數的拓展定義

5 仿真實驗

以火星車一個火星日的活動事件安排為例進行方法驗證。火星車遙操作任務規劃根據火面環境、星歷、地形圖,以及火星車本體狀態、工作能力等約束條件,形成工程任務和科學探測目標,制定在滿足復雜約束條件下的作業定制文件。生成火星車在一個火星日內的移動、探測、感知、通信、太陽翼最優指向等行為序列和控制參數,最終輸出完整的指令序列和控制策略。

假定巡視器當前所在位置坐標A,將其作為本次周期作業的起點,在地形圖上人工指定出規劃的目標點位置B,二者相距40 m,且地形地貌滿足作業執行的條件。A點和B點之間安排10個過程探測點稱之為導航點。

根據巡視器位置信息、測控跟蹤條件、太陽高度角確定的光照信息,計算巡視器進出地面測控區間的時間,確定測控有效跟蹤弧段。依據巡視器位置信息、有效跟蹤弧段、星球表面地形原始數據等信息,對長周期內的全部探測點進行可達性評估,確定行駛路徑,標定周期作業的起點位置和終點位置,確定TCN的起點和終點。最后,根據周期作業起點位置信息,確定作業初始狀態S0=〈Q,C〉,Q表示巡視器本體相關的狀態,包括主體坐標、天線指向、電量、太陽翼指向、偏航機構姿態、云臺機構姿態、桅桿機構姿態、機械臂等;C表示外部約束條件集合,包括太陽高度角、通信鏈路、載波切換計劃等,構建初始任務約束網絡的起點。因此,一個HTN的規劃解是周期作業內的一個動作序列〈a1,a2,…,an〉,滿足TCN中節點狀態的一致性判斷,即δ(si,oi)=si+1,δ(si,oi+1)=si+2,i=0,1,…,n。

根據領域知識要求每個導航點均需要安排感知、數傳和移動3種行為,而每個行為又都需要滿足電量、測控跟蹤條件等要求。根據工作模式的狀態轉換關系進行分析,獲得在A點和B點之間的行為序列<充電,感知,移動,感知,進出測控區,數傳,移動>。對工作模式進行動作展開,獲得動作序列<太陽翼機構加電控制,±Y太陽翼調整對日指向,調整遙測工作模式,局部感知,移動參數設置,移動時載荷探測設置,陀螺零偏修正,…,移動斷電>。

當日計劃完成移動盲走,涉及到通信模式、移動模式兩個狀態受限的事件,需要完成兩個狀態受限事件,分別是事件I0:通信模式;事件I1:移動盲走模式。狀態集合中用[0,1]表示成功、失敗。

分析工作模式的邏輯關系,建立領域知識模型,如表3所示。

表3 火星某日的領域知識模型

形成初始定制文件為活動事件序列:I0{<}I1{m}I0。定義動作Ai包含ni條指令序列,表示為Ai={XLi_1,XLi_2,…,XLi_ni},對于單個動作,n=1;對于動作序列,n>1。動作集合中的“火星車移動”是由多個動作組成的動作序列,進行指令展開前需要進行動作分解,以對應到指令,如表4所示。

根據遙測結果判斷在下一個飛控時間窗口,可以新增對地通信事件,對領域模型進行完善,如表5所示。

表4 動作序列指令展開

表5 動態規劃領域模型

根據動態規劃流程,更新定制文件,當日的活動事件序列為:I0{<}I1{m}I0{m}I2,輸出的指令計劃如下:

[XL0_1,XL0_2]{<}[XL11,XL12,XL13,XL141,XL1_4_2, XL1_4_3,XL1_4_4,XL1_4_5,XL1_5,XL1_6,XL1_7]{m} [XL0_2]{m}[XL2_1,XL2_2,XL2_3,XL2_4]

(6)

進行指令展開后插入事件代碼、組幀標識、事件開始時刻和偏移量、發令方式等,即可通過遙測崗位上注航天器,完成動態規劃流程。

6 結 論

本文針對深空探測飛控任務中的動態規劃需求,系統地提出基于HTN的領域知識建模方法;基于任務不確定性分析,在工作模式與動作這兩個層級之間,引入狀態受限事件,用以精確表征多個動作序列之間的時態關系,完善了狀態受限事件的建模方法;把全局時間點概念引入Allen區間代數,拓展了事件時態約束關系的表示方法;提出使用虛擬事件、虛擬指令表征動態任務的方法,解決了狀態受限事件在動作執行前后狀態一致性判定帶來的衍生問題。

所提方法進一步完善了“首次火星探測任務”遙操作任務智能規劃系統的功能,有效提高了巡視器遙操作的工作效能和地面中心進行事件處理的靈活性,為任務的圓滿成功提供了技術支撐。