Smart Home Reasoning Systems: From a Systematic Analysis Towards a Hybrid Implementation for the Management of Uncertainty and Inconsistency

A smart home is a residence equipped with technologies that facilitate monitoring of residents, promote independence and increase the quality of life. In general, smart homes control the operations of the home environment and automatically adapt it to its inhabitants’ needs. The smart home reasoning system (SHRS) is in charge of determining the automatic control and adaptation operations of the home system. Recently, there has been extensive research concerning different aspects of the SHRS. However, there is a clear lack of systematic investigation targeted at these systems. To close the gap, in the first part of this thesis we explore the SHRS domain. For this reason, we applied the systematic literature review (SLR) method by conducting automatic and manual searches on six electronic databases, and in-depth analysis of 135 articles from the literature. From the SLR, this thesis identifies that about 43% of smart homes are designed to provide general home automation services. It also presents twelve major requirements and features of the SHRS. In addition, the SLR finds out that 55.5% of the research contributions in SHRS domain are theoretical, and 51.5% of them are based on symbolic artificial intelligence techniques. Further, it characterizes the usage and application trends of different reasoning techniques in smart home domain, and evaluates the major assumptions, strengths, and limitations of the proposed systems in the literature. Additionally, it discusses the challenges of reasoning in smart home environments. Finally, it underlines the importance of utilizing hybrid reasoning approaches and the need to handle uncertainty and inconsistency issues of the SHRS, as well as overlapping, simultaneous and conflicting multiple inhabitants’ activities and goals in the smart home environment. The SLR identifies reasoning under uncertainty as one of the major challenges of SHRSs. Uncertainty is inevitable in smart home environments as sensors may read inaccurate data or due to the existence of unobserved variables for privacy reasons. Furthermore, the dynamic nature of the home environment and vague human communications may result in ambiguous, incomplete and inconsistent contextual information, which ultimately lead the smart home system into uncertainty. With this in mind, the second part of this thesis tackle some of the challenges of uncertainty, in particular, uncertainty due to vague human communication and missing information in ambient intelligence environments. For this, we proposed probabilistic multi-agent system architecture for reasoning under uncertainty in smart home environments. The proposed smart architecture is based on the notion of multi-agent systems (MAS) technologies and probabilistic logic programming techniques. Afterwards, we show how the probabilistic reasoning technique enables the agents to reason under uncertainty. Furthermore, we discuss how intelligent agents enhance their decision-making process by exchanging information about missing data or unobservable variables using agent interaction protocols. Besides, when an agent lacks the necessary computational resources to accomplish its reasoning tasks, we illustrate how it can take advantage of the interaction protocols and delegate the tasks for other agents in the system. In general, we demonstrate that the combination of MAS technologies and probabilistic logic programming can help in building a reasoning system, which is capable of performing well under vague inhabitant commands and missing information in a partially observable environment. In the final part of the thesis, we tackled inconsistency issues in SHRSs, by identifying five major sources of inconsistencies in rule-based SHRSs. Specifically, we define, formalize and demonstrate how conflicting, duplicate, overlapping, self-looping and circular rules in SHRSs can be detected using satisfiability modulo theories. The proposed method was validated empirically using rules collected from a real-world SHRS as a model. The experimental results provide compelling evidence for the reliability and effectiveness of the proposed solution. The method presented in this part of the thesis can have multiple applications. First, it can be used to build a static (off-line) rule-based reasoning system verification tool. Second, it can be integrated as a rule validation component of the reasoning system. Besides, with some adaptation, the method can be directly used to verify the consistency properties of reasoning systems in other domains.

Si definisce “smart home” una residenza equipaggiata con tecnologie per favorire il monitoraggio dei residenti, promuovere la loro indipendenza e aumentare la qualità della loro vita. In generale, le smart home controllano le operazioni all’interno dell’ambiente domestico e si adattano automaticamente alle esigenze degli abitanti. I sistemi di reasoning per smart home (“Smart Home Reasoning Systems” – SHRS) hanno il compito di regolare il controllo automatico esercitato dalle smart home e di implementarne l’adattabilità agli abitanti. Per questo, gli SHRS sono stati oggetto di un’ampia ricerca. Tuttavia, c’è ancora un’evidente mancanza di uno studio sistematico sulle caratteristiche e le specifiche di tali sistemi. Per colmare il gap, la prima parte di questa tesi esplora il dominio degli SHRS. Abbiamo pertanto applicato il metodo della “Systematic Literature Review” (SLR) fornendo un’analisi approfondita di 135 articoli scientifici, selezionati tra i risultati di una ricerca sia automatica che manuale condotta su sei database online. A partire dalla SLR, questa tesi mostra come il 43% delle smart home presentate in letteratura sono progettate per fornire servizi generici di domotica. La SLR presenta anche dodici requisiti principali e caratteristiche per gli SHRS. Inoltre, la SLR classifica il 55,5% dei contributi analizzati come teorici. Tra tutti i contributi, il 51,5% risulta basato su tecniche di intelligenza artificiale simbolica. In aggiunta, grazie alla SLR, questa tesi analizza come differenti tecniche di reasoning sono applicate nelle smart home, valutandone semplificazioni, punti di forza e limiti e identificandone le principali sfide in ambiente domestico. Infine, la SLR evidenzia l’importanza di sviluppare sistemi di reasoning ibridi e la necessità di gestire incertezza e inconsistenze all’interno degli SHRS. Incertezza e inconsistenze caratterizzano gli obiettivi e le attività dei vari abitanti, che possono essere in condizione di sovrapposizione, di contemporaneità e/o di conflitto. Infatti, la SLR identifica il reasoning in condizioni di incertezza come una delle maggiori sfide per gli SHRS. L’incertezza è inevitabile nelle smart home: per esempio, i sensori a disposizione potrebbero fornire dati inaccurati o incompleti al fine di preservare la privacy degli occupanti. Inoltre, la natura dinamica di un ambiente domestico, così come comandi vaghi da parte degli abitanti, possono risultare in informazioni ambigue, incomplete e/o inconsistenti, portando la smart home in una condizione di incertezza. A partire da queste considerazioni, la seconda parte della tesi affronta alcune delle sfide legate all’incertezza: in particolare, l’incertezza dovuta a comunicazioni e comandi vaghi da parte degli utenti e l’informazione incompleta nei contesti di “ambient intelligence”. A tale scopo, abbiamo proposto un’architettura basata su sistemi multi-agente e ragionamento probabilistico per la realizzazione di un sistema di reasoning in condizioni di incertezza all’interno delle smart home. L’architettura proposta si basa sulla definizione di sistema multi-agente e su tecniche di “probabilistic logic programming”. In questa parte della tesi mostriamo come le tecniche di ragionamento probabilistico permettono agli agenti del sistema di ragionare in condizioni di incertezza. Inoltre, analizziamo come gli agenti intelligenti potenziano i propri processi di “decision-making” scambiando tra loro informazioni su dati mancanti o variabili non osservabili grazie a protocolli di interazione standard. Al contempo, quando un agente non ha risorse computazionali sufficienti per completare il proprio processo di reasoning, può avvantaggiarsi dei protocolli di interazione per delegare il ragionamento agli altri agenti nel sistema. In generale, dimostriamo che la combinazione di tecnologie per i sistemi multi-agente e tecniche di probabilistic logic programming può contribuire a costruire un sistema di reasoning affidabile anche a fronte di comandi vaghi degli abitanti e di informazione incompleta in ambienti parzialmente osservabili. Nell’ultima parte della tesi abbiamo affrontato i problemi di inconsistenza all’interno degli SHRS basati su regole, identificandone cinque sorgenti principali, Nello specifico, definiamo, formalizziamo e dimostriamo come regole in conflitto, duplicate, sovrapposte, in auto-loop e circolari possono essere rilevate usando le “Satisfiability Modulo Theories” (SMT). Il metodo proposto è stato validato sperimentalmente usando come modello regole raccolte in smart home esistenti. I risultati sperimentali forniscono prove promettenti a sostegno dell’affidabilità e dell’efficacia della soluzione proposta. Inoltre, il metodo proposto in questa parte della tesi può avere diverse applicazioni. Per prima cosa, può essere usato per costruire uno strumento di verifica statico (offline) per i sistemi di reasoning basati su regole. In aggiunta, può essere integrato come un componente di validazione delle regole per un sistema di reasoning. Infine, con alcuni accorgimenti, il metodo proposto può essere usato per la verifica delle proprietà di consistenza di un sistema di reasoning in domini diversi dalle smart home.