Planning is an indispensable ability for intelligent service robots operating in unstructured environments. Given service robots commonly have incomplete knowledge about and partial observability of their environments, these robots should be furnished with cognitive abilities beyond classical planning, such that they can accommodate incomplete knowledge about and partial observability of the world and the plans they compute are feasible for real-world execution.Conditional planning is concerned with reaching goals from an initial state, in the presence of incomplete knowledge and sensing actions. Since all contingencies are considered in advance, a conditional plan is essentially a tree of actions where the root represents the initial state, leaves represent goal states, and each branch of the tree from the root to a leaf represents a possible execution of (deterministic) actuation actions and (non-deterministic) sensing actions to reach a goal state. Hybrid conditional planning extends conditional planning further by integrating low-level feasibility checks into executability conditions of actuation actions in conditional plans.We introduce a parallel offline algorithm for computing hybrid conditional plans, called HCPlan, oriented towards robotics applications. HCPlan relies on modeling actuation actions and sensing actions in the causality-based action description language C+, and computation of the branches of a conditional plan in parallel using a SAT solver. In particular, thanks to external atoms, continuous feasibility checks (such as collision and reachability checks) are embedded into causal laws representing actuation actions and sensing actions; and thus each branch of a hybrid conditional plan describes a feasible execution of actions to reach their goals. Utilizing causal laws that describe non-deterministic effects of actions, sensing actions can be explicitly formalized; and thus each branch of a conditional plan can be computed without necessitating an ordering of sensing actions in advance. Furthermore, we introduce two different extensions of our hybrid conditional planner HCPlan: HCPlan-Anytime and HCPlan-Reactive. HCPlan-Anytime computes a partial hybrid conditional plan within a given time, by generating the branches with respect to their probability of execution. HCPlan-Reactive computes a hybrid conditional plan with a receding horizon. These extensions trade-off completeness of hybrid conditional plans for improved computation time, and provide useful important variations towards real-time use of the hybrid conditional planning.We develop comprehensive benchmarks for service robotics domain and evaluate our approach over these benchmarks with extensive experiments in terms of computational efficiency and plan quality. We compare HCPlan with other related conditional planners and approaches. We further demonstrate the usefulness of our approach in service robotics applications through dynamic simulations and physical implementations.

Planlama, yapılandırılmamış ortamlarda çalışan akıllı servis robotları için vazgeçilmez bir özelliktir. Hizmet robotları, genelde çevrelerini kısmi olarak gözlemlenebilirler ve çevreleri hakkında eksik bilgiye sahiptirler. Otonom hizmet robotları, gerçek dünyada uygulanabilir planlar oluşturabilmek için, eksik bilgiyi, kısmi gözlemlenebilirliği ve geometrik uygulanabilirlik kriterlerini hesaba katabilen, klasik planlamanın ötesinde, bilişsel yeteneklerle donatılmalıdır.Koşullu planlama, eksik bilginin ve algılama eylemlerinin varlığında, başlangıç durumundan hedeflere ulaşmaklayı amaçlar. Çevrimdışı koşullu bir planda tüm olasılıklar önceden değerlendirilir; koşullu plan kökün başlangıçtaki durumu, yaprakların hedef durumları temsil ettiği ve kökten yaprağa her bir dalının muhtemel bir plan uygulamasını temsil ettiği, deterministik harekete geçirme eylemleri ve deterministik olmayan algılama eylemlerinden oluşan bir ağacıdır. Melez koşullu planlama, fiziksel uygulanabilirlik kontrollerini de koşullu planlamaya entegre eder.Robot uygulamalarına yönelik melez koşullu planlama için yeni bir /emph{paralel çevrimdışı} algoritma (/hcplan) öneriyoruz. /hcplan/, harekete geçirme ve algılama eylemlerini nedensellik temelli eylem tanım dili /cplus'ta modellemesine ve koşullu planı oluşturan ağacın her bir dalının bir SAT çözücü kullanarak paralel olarak hesaplanmasına dayanır. Robotun eylemlerinin sürekli uzayda uygulanabilirliğinine ait testler (çarpışma ve ulaşılabilirlik testleri gibi) harici atomlar kullanarak nedensel kurallara entegre edilmekte ve böylece melez koşullu planın her bir dalı, hedef durumlara ulaşmak için uygulanabilir bir eylem sıralamasını ve icrasını temsil etmektedir. Önerilen yaklaşımda algılama eylemlerinin deterministik olmayan etkilerini nedensel kurallar ile formal olarak biçimlendirmekte, böylece koşullu planın her bir dalı, algılama eylemlerinin önceden sıralanması gerekmeksizin, hesaplanabilmektedir.Melez koşullu planlama algoritmamızın iki farklı uzantısını sunuyoruz: /hcplana ve /hcplanr. /hcplana, ayrılan süre içerisinde melez koşullu plana ait dallardan icra sırasında en olası olanları önceliklendirerek /emph {kısmi} melez koşullu plan hesaplayabilmektedir. /hcplanr uzaklaşan bir ufka dair melez koşullu planlar hesaplar. Bu uzantılar, daha verimli hesaplama süresi için melez koşullu planların tamlığından ödün vermekte, melez koşullu planlamanın gerçek zamanlı kullanımına yönelik önemli seçenekler sunmaktadır.Değerlendirme için, /hcplan'ı diğer ilgili koşullu planlayıcılar ve yaklaşımlarla karşılaştırmalarını sunuyor, hizmet robotiği için kapsamlı kıyaslama senaryoları önerip, bu senaryolar üzerinde deneylerle aklaşımımızın hesaplama verimliliğini ve plan kalitesini değerlendiriyoruz. Ayrıca, yaklaşımımızın servis robotik uygulamalarındaki başarımını dinamik simülasyonlar ve fiziksel uygulamalar ile gösteriyoruz.