🤖 AI

Sheaf-Theoretic Planning: A Categorical Foundation for Resilient Multi-Agent Autonomous Systems

Dit artikel introduceert Sheaf-Theoretic Planning (STP) als een transformatief categorisch raamwerk gebaseerd op topos-theorie en sheaf-semantiek dat de beperkingen van traditionele gesloten-wereld multi-agent systemen overwint door veerkrachtige coördinatie in stochastische en adversariële omgevingen mogelijk te maken.

Oorspronkelijke auteurs: Manuel Hernández, Eduardo Sánchez-Soto

Gepubliceerd 2026-05-06

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Manuel Hernández, Eduardo Sánchez-Soto

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Probleem: Wanneer Robots Verdwalen in Hun Eigen Herinneringen

Stel je voor dat je een robot bent. Je hebt een plan: "Ga naar de keuken, haal een kopje en breng het naar de tafel." Je verlaat de kamer om je batterij op te laden. Terwijl je weg bent, komt een andere robot binnen, verplaatst het kopje en vertrekt weer.

Wanneer je terugkeert, zie je het kopje op een andere plek. Je interne geheugen zegt: "Het kopje was hier," maar je ogen zeggen: "Het kopje is daar."

Oude robotlogica (genaamd "Klassieke Temporele Logica") raakt hierdoor in de war. Het werkt volgens een strikte regel: "Als ik niet zag dat het gebeurde, dan is het niet gebeurd." Dus, wanneer je ziet dat het kopje verplaatst is, crasht je brein. Het denkt: "Dit is onmogelijk! Mijn geheugen zegt het ene, de realiteit het andere. Fout! Fout!" Om dit op te lossen, moeten ingenieurs rommelige, ingewikkelde "patches" schrijven om de robot te vertellen hoe het met deze tegenstrijdigheden moet omgaan.

Dit artikel stelt een nieuwe manier voor: In plaats van de robot te dwingen één enkele, perfecte "waarheid" te hebben, laten we toe dat verschillende delen van de wereld van de robot verschillende waarheden kunnen hebben, en we kunnen ze later aan elkaar naaien. Dit heet Sheaf-Theoretic Planning (STP).

Het Kernidee: De "Patchwork Quilt" van de Realiteit

Het artikel stelt voor dat we stoppen met het denken van tijd als een rechte lijn en beginnen met het denken als een patchwork quilt.

1. Tijd is een Collectie van Intervallen (De Quiltvierkanten)

In oude systemen is tijd gewoon een lijst van seconden (1, 2, 3...). In dit nieuwe systeem bestaat tijd uit overlappende stukken of "intervallen".

De Analogie: Stel je een quilt voor. Elk vierkant van de quilt is een specifiek moment of tijdsduur (zoals "terwijl ik aan het laden was" of "terwijl ik aan het lopen was").
Het Voordeel: Dit stelt de robot in staat om te zeggen: "Tijdens dit specifieke vierkant van tijd zag ik het kopje hier. Tijdens dat andere vierkant verplaatste iemand anders het." Deze vierkanten kunnen overlappen zonder dat de hele quilt kapot gaat.

2. Lokale Waarheden versus Globale Waarheden (De Stelen)

In wiskundige termen spreekt het artikel over "stalks" (stelen) en "sections" (secties).

De Analogie: Denk aan een lokale sectie als een enkel vierkant van de quilt. Het heeft zijn eigen patroon (waarheid). Een globale sectie is de hele quilt.
Hoe het werkt: De robot hoeft niet nu het hele verhaal van het universum te weten. Het hoeft alleen de waarheid te kennen voor het specifieke "vierkant" van tijd waar het momenteel naar kijkt. Als het geheugen van de robot (één vierkant) het oneens is met zijn ogen (een ander vierkant), is dat prima. Het zijn gewoon verschillende lapjes.

3. Lijmen: De Quilt Aan Elkaar Naaien

Het krachtigste deel van dit systeem is Lijmen.

De Analogie: Stel je voor dat jij en een vriend een bos in kaart brengen. Jij loopt de noordkant; je vriend loopt de zuidkant. Jullie tekenen allebei jullie kaarten op aparte stukken papier.
De Magie: Wanneer jullie elkaar ontmoeten, proberen jullie jullie kaarten aan elkaar te lijmen.
- Succes: Als jullie kaarten overeenkomen op de bomen waar jullie paden overlappen, naaien ze perfect aan elkaar tot één grote kaart.
- Mislukking (De "Obstructie"): Als jouw kaart zegt "Hier is een rivier" en de kaart van je vriend zegt "Hier is een berg", dan plakt de lijm niet.
De Reactie van de Robot: In oude systemen is een mislukte lijm een crash. In dit nieuwe systeem is een mislukte lijm een aanwijzing. Het vertelt de robot: "Hé, er is iets in het midden gebeurd dat geen van ons heeft gezien!" Dit triggert Abductie (het raden van de beste verklaring). De robot denkt: "Misschien heeft een derde robot de rivier verplaatst?" en werkt zijn plan bij.

Hoe Het Eigenlijk Werkt (De "Motor")

Het artikel beweert dat dit niet alleen maar ingewikkelde wiskunde is; het kan daadwerkelijk worden gebouwd.

Het Brein (Prolog): De robot gebruikt een programmeertaal genaamd Prolog (wat uitstekend is in logische puzzels) om deze "lijm"- en "raadsel"-taken te verwerken. Het is als een detective die naar een gebroken kaart kan kijken en uitzoekt welk stukje ontbreekt.
Het Lichaam (Raspberry Pi & ESP32): Het systeem is ontworpen om te draaien op goedkope, kleine computers (zoals een Raspberry Pi) die verbonden zijn met sensoren. Het is geen supercomputer; het is een zwerm van kleine, goedkope robots die met elkaar praten.
De "Laplacian" (De Harmonie-Check): Het artikel noemt een "Sheaf Laplacian". Denk hierbij aan een stemvork. Als de robots allemaal verschillende noten zingen (het oneens zijn), trilt de stemvork om precies aan te geven waar de harmonie verbroken is, zodat ze het kunnen oplossen.

Waarom Dit Robots "Resilient" Maakt

Het artikel betoogt dat deze aanpak robots resilient maakt (in staat om terug te komen van problemen).

Geen Crashes: Wanneer de wereld onverwachts verandert (zoals het kopje dat verplaatst), crasht de robot niet. Het noteert gewoon een "gat" in de quilt.
Slimme Gissingen: In plaats van in paniek te raken, gebruikt de robot wiskunde om de meest waarschijnlijke reden voor het gat te achterhalen (bijvoorbeeld: "Ik was weg, dus iemand anders moet het verplaatst hebben").
Teamwerk: Een zwerm robots kan hun "lapjes" van de wereld delen. Zelfs als ze de verbinding verliezen, blijven ze werken. Wanneer ze weer verbinding maken, proberen ze gewoon hun lapjes weer aan elkaar te lijmen.

Samenvatting

Het artikel zegt: Stop met proberen robots één perfecte, onveranderlijke kijk op de wereld op te leggen.

Geef hen in plaats daarvan een patchwork-kijk. Laat ze verschillende waarheden houden voor verschillende tijden en plaatsen. Wanneer die waarheden niet overeenkomen, behandel het niet als een fout; behandel het als een raadsel dat opgelost moet worden. Door deze "geometrische" manier van denken te gebruiken, kunnen robots rommelige, onvoorspelbare situaties in de echte wereld veel beter aan dan ze dat vandaag de dag doen.

Technische Samenvatting: Plannen met Behulp van Schuiven voor Veerkrachtige Multi-Agent Autonome Systemen

1. Probleemstelling

Het artikel identificeert een fundamentele crisis in klassieke temporele logica en planningskaders voor multi-agent systemen (MAS), zoals het Event Calculus en Situation Calculus. Deze traditionele systemen vertrouwen op monolithische logische modellen en een gesloten-wereld-aanname, waarbij wordt aangenomen dat de wereldtoestand volledig waarneembaar is en consistent met het interne geheugen van de agent.

Deze aanpak faalt in open-wereldscenario's die worden gekenmerkt door:

Onwaargenomen Interventies: Wanneer een agent (bijvoorbeeld een robot) een taak verlaat om op te laden en terugkeert om te constateren dat de omgeving is gewijzigd door een onwaargenomen derde partij, behandelt klassieke logica dit als een contradictie in plaats van een oplosbare discrepantie.
Planonderbrekingen: De "blinde" intervallen waarin een agent inactief is, worden formeel niet in aanmerking genomen, wat leidt tot inconsistenties tussen geheugen en werkelijkheid.
Schalbaarheid van Inconsistentie: Het oplossen van afwijkende geloof-werkelijkheid-toestanden in klassieke systemen vereist "extra-logische patches" en complexe indexeringsschema's die niet schaalbaar zijn.

Het kernprobleem is het ontbreken van een formeel mechanisme om meerdere, potentieel inconsistente gezichtspunten (agentgeheugen, doelen en objectieve werkelijkheid) binnen één strikt wiskundig kader te relateren.

2. Methodologie: Plannen met Behulp van Schuiven (STP)

Het artikel stelt Plannen met Behulp van Schuiven (STP) voor, een kader dat is gebaseerd op topostheorie en schuifsemantiek. Deze aanpak verschuift het paradigma van "Logica als Axioma's" naar "Logica als Meetkunde", waarbij waarheid wordt behandeld als lokaal en contextueel in plaats van absoluut en globaal.

2.1 Categorische Fundamenten

De Site van Tijd: Tijd wordt niet gemodelleerd als een lineaire reeks, maar als een poset-categorie van tijdsintervallen ( $\mathcal{T}$ ), waarbij objecten gesloten intervallen $[t_i, t_j]$ zijn en morfismen inclusies.
Grothendieck-topologie: De categorie is uitgerust met een Grothendieck-topologie ( $J$ ) om "dekkingen" (collecties van subintervallen) te definiëren. Dit formaliseert het lokaal-naar-globaal-principe: de geschiedenis van een interval wordt uniek bepaald door de geschiedenissen van zijn onderdelen.
Schuiven als Geschiedenissen: Een schuif $\mathcal{F}$ $F$ wijst aan elk interval verzamelingen van "secties" (consistente geschiedenissen) toe. Het kader definieert onderscheiden schuiven voor:
- $\mathcal{F}_{World}$ : Objectieve werkelijkheid.
- $\mathcal{F}_{Mem}$ : Het geheugen van een agent.
- $\mathcal{F}_{Goal}$ : Doeltoestanden.
  Deze bestaan gelijktijdig binnen de topos $\text{Sh}(\mathcal{T}, J)$ , gerelateerd door natuurlijke transformaties.

2.2 Acties en Abductie

Acties als Natuurlijke Transformaties: Acties worden gedefinieerd als natuurlijke transformaties ( $\eta_\alpha: \mathcal{F}_{World} \to \mathcal{F}_{World}$ ). Dit zorgt voor temporele consistentie: het effect van een actie op een groot interval moet consistent zijn met zijn effect op elk subinterval. Dit generaliseert "initieert" en "beëindigt" predicaten naar een meetkundig kader.
Abductie via Terugtrekkingen: Inference naar de beste verklaring wordt geformaliseerd als een terugtrekking (pullback) constructie. Wanneer een agent een toestand $S_{obs}$ observeert die in strijd is met zijn geheugen $S_{mem}$ , identificeert de terugtrekking de verzameling actiesequenties die $S_{mem}$ transformeren naar $S_{obs}$ . Dit biedt een strikte, niet-heuristische basis voor hypothese-selectie (bijvoorbeeld het afleiden van een onwaargenomen interventie).

2.3 Multi-Agent Coördinatie

Kleefwerk: Kennisintegratie wordt gemodelleerd als schuifkleefwerk. Agents wisselen lokale secties van een "kennisschuif" uit. Als observaties compatibel zijn op overlappende intervallen, worden ze tot een unieke globale sectie "gekleefd".
Obstructies: Als kleefwerk faalt (bijvoorbeeld conflicterende percepties van de kleur van een object), is het falen zelf een obstructie. Dit triggert het abductieve proces om de oorzaak van de inconsistentie te hypotheseren.
Spectrale Analyse: Het kader maakt gebruik van de Schuif-Laplaciaan ( $L_F$ ) om consensusdynamica te modelleren via een diffusievergelijking ( $\frac{dx}{dt} = -\alpha L_F x$ ). Dit stelt heterogene agents in staat een "harmonische expressie" te bereiken, zelfs met communicatievertragingen. Schuifcohomologie ( $H^0, H^1, \dots$ ) wordt gebruikt om obstructies voor globale consistentie te kwantificeren.

3. Implementatie en Resultaten

Het artikel stelt dat STP niet louter theoretisch is, maar is geïmplementeerd en getest op beperkte hardware.

Hardware Stack: Het systeem draait op een Raspberry Pi 4B (redeneermotor) gekoppeld aan ESP32 microcontrollers voor sensor/actuatorcontrole, die communiceren via een Wi-Fi-mesh.
Software Stack:
- Prolog: Wordt gebruikt voor symbolisch redeneren, waarbij een vereenvoudigd Event Calculus wordt geïmplementeerd met "tabling" (memoïsatie) om redundante berekeningen te voorkomen.
- Logica-vertaling: TCP-sockets overbruggen de hoog-niveau schuiflogica met fysieke robotcommando's.
Prestatiemetrics:
- Het systeem vindt geldige plannen in minder dan 2 seconden voor scenario's met maximaal 1.000 tijdstippen en 50 fluents.
- Abductief redeneren blijft hanteerbaar op hardware met laag vermogen door actiesequentielengten te beperken tot $\le 10$ .
Formele Verificatie: Het kader wordt geformaliseerd in Lean 4 en Coq. Het "HeytingLean"-kader verbindt constructieve wiskunde met cryptografische protocollen, waardoor "proof-carrying code" mogelijk wordt waarbij agents plannen uitwisselen met formele certificaten van consistentie.

4. Belangrijkste Bijdragen

Meetkundige Oplossing van het Kaderprobleem: Vervangt de gesloten-wereld-aanname door een meetkundig kader waar waarheid lokaal is. Discrepanties tussen geheugen en werkelijkheid worden behandeld als "meetkundige afstanden" in plaats van logische fouten.
Gefuseerd Plannen en Diagnose: Unificeert voorwaarts plannen (toestandsovergangen) en achterwaarts diagnosticeren (abductie) in één wiskundige motor (natuurlijke transformaties en terugtrekkingen), waardoor de noodzaak voor aparte heuristische modules wordt geëlimineerd.
Gedecentraliseerde Consensus: Biedt een mechanisme voor multi-agent systemen om globale coherentie te bereiken via lokaal "kleefwerk" zonder een hoofdknooppunt, waarbij schuif-Laplaciaans worden gebruikt voor consensus en cohomologie voor foutdetectie.
Constructief Logicisme: Maakt gebruik van de interne taal van de topos (intuïtionistische logica) om onzekerheid structureel te hanteren, waardoor agents kunnen redeneren over onvolledige informatie zonder de wet van de uitgesloten derde aan te nemen.

5. Betekenis en Beweringen

Het artikel beweert dat Plannen met Behulp van Schuiven een noodzakelijke evolutie vertegenwoordigt voor het bouwen van autonome systemen die kunnen gedijen in open, onvoorspelbare fysieke werelden.

Veerkracht: Het kader biedt "cognitieve veerkracht", waardoor agents kunnen herstellen van ongewenste toestanden (bijvoorbeeld onderbroken plannen, onwaargenomen veranderingen) door lokaal inconsistenties te repareren via abductie en kleefwerk, in plaats van te crashen of een globale herinitialisatie te vereisen.
Praktijkgerichtheid: Door implementatie op Raspberry Pi-hardware met standaard Prolog te demonstreren, betogen de auteurs dat categorische AI een praktische realiteit is, niet slechts een theoretische abstractie.
Toekomstige Richting: Het artikel positioneert STP als de basis voor systemen met hoge betrouwbaarheid en multi-agent, waarbij toekomstig werk zich zal richten op het integreren van spectrale schuiftheorie voor gedistribueerde optimalisatie en het uitbreiden van formele verificatie via Lean 4 om betrouwbaarheid voor veiligheidskritieke toepassingen te waarborgen.

De auteurs concluderen dat de overgang van monolithische symbolische theorieën naar schuif-theoretische meetkunde essentieel is voor het ontwerpen van agents die kunnen navigeren in de stochastische en antagonistische aard van de echte wereld.