Scaling-up Generalized Planning as Heuristic Search with Landmarks
Universitat Pompeu Fabra（庞培法布拉大学）
地标是经典规划中最有效的搜索策略之一，但在广义规划中却被忽视。广义规划（GP）通常被视为在给定的算法解空间中的组合搜索，其中候选解被评估为他们解决的问题。这种类型的解决方案评估忽略了在规划实例的表示中不显式的任何子目标信息，从而导致候选广义规划的空间中的高原。此外，GP中的节点扩展是一个运行时的瓶颈，因为它需要评估整个批次的经典规划实例中的GP问题的每个子节点。在本文中，我们定义了一个里程碑计数启发式GP（认为子目标信息，没有明确表示在规划实例），和一种新的启发式搜索算法GP（我们称之为PGP），逐步处理GP问题的规划实例的子集。我们的两个正交的贡献进行了分析，在消融研究，表明，都提高了国家的最先进的GP作为启发式搜索，并且都受益于对方组合使用时。
2022-05-10 cs.AI
The LAMA Planner: Guiding Cost-Based Anytime Planning with Landmarks
Griffith University（格里菲斯大学）；NICTA QRL（澳大利亚国家信息通信技术卓越研究中心QRL）
LAMA是一个经典的基于启发式前向搜索的规划系统。它的核心特征是使用一个伪启发式来自地标，命题公式，必须在规划任务的每个解决方案是真的。LAMA建立在快速向下规划系统的基础上，使用有限域而不是二进制状态变量和多启发式搜索。后者被用来结合地标启发式与著名的FF启发式的变体。这两种方法都对成本敏感，在行动成本不一致的情况下，注重高质量的解决方案。使用加权A* 搜索，迭代地降低权重，使得规划器继续搜索更好质量的规划，直到搜索终止。LAMA在2008年国际规划竞赛中表现最好。在本文中，我们详细介绍了该系统，并调查LAMA的功能是至关重要的，其性能。我们提出了个别的结果，在竞争中使用的一些领域，展示了好的和坏的情况下，在LAMA实现的技术。总体而言，我们发现，使用地标提高性能，而行动成本纳入启发式估计证明是没有好处的。我们表明，在某些领域的搜索，忽略成本解决了更多的问题，提出了如何在未来更有效地处理行动成本的问题。迭代加权A* 搜索极大地改善了结果，并显示出与地标的使用的协同效应。
2014-01-16 cs.AI
Leveraging Planning Landmarks for Hybrid Online Goal Recognition
Institute for Enterprise Systems, University of Mannheim（曼海姆大学企业系统研究所）；Data and Web Science Group, University of Mannheim（曼海姆大学数据与网络科学研究组）
目标识别在许多应用领域（例如，普适计算、入侵检测、计算机游戏等）。在许多应用场景中，重要的是目标识别算法可以尽可能快地识别被观察的Agent的目标，并且具有最少的领域知识。因此，在本文中，我们提出了一种混合的方法，结合了一个象征性的规划地标为基础的方法和数据驱动的目标识别方法，在线目标识别，并评估它在现实世界中的烹饪场景。实验结果表明，该方法不仅在计算时间方面比现有技术更有效，而且还提高了目标识别性能。此外，我们表明，利用规划地标为基础的方法，这是迄今为止只评估人工基准域，也实现了良好的识别性能时，应用到现实世界的烹饪场景。
2023-01-25 cs.AI
Landmark-Based Plan Recognition
Pontifical Catholic University of Rio Grande do Sul（南里奥格兰德州天主教大学）
使用行动执行的不完整证据识别目标和计划可以通过使用规划技术有效地完成。在许多应用中，不仅要准确而且要快速地识别目标和计划。在本文中，我们开发了一种启发式的方法来识别计划的基础上规划技术，依赖于排序约束过滤候选目标的观察。这些排序约束在规划文献中被称为地标，它们是实现目标无法避免的事实或行动。我们展示了规划地标在两种环境中的适用性：第一，我们直接使用它来开发一个基于规划的计划识别方法;第二，我们通过预过滤其候选目标来改进现有的基于规划的计划识别方法。我们的实证评估表明，我们的方法不仅在所有可用数据集中比最先进的方法准确得多，而且速度也快了一个数量级。
2017-02-07 cs.AI
Planning Immediate Landmarks of Targets for Model-Free Skill Transfer across Agents
Shanghai Jiao Tong University（上海交通大学）；Huawei Noah’s Ark Lab（华为诺亚方舟实验室）
在机器人等强化学习应用中，当开发人员指定不同的状态/动作空间或物理限制时，智能体通常需要处理各种输入/输出特征。这表明不必要的从头开始重新训练和相当大的样本效率低下，特别是当代理遵循类似的解决方案步骤来完成任务时。在本文中，我们的目标是转移类似的高层次的目标转换知识，以减轻挑战。具体来说，我们建议PILoT，即，规划目标的直接地标。PILoT利用通用解耦策略优化来学习目标条件状态规划器;然后，提取目标规划器以无模型风格规划可以在不同代理之间共享的直接地标。在我们的实验中，我们展示了PILoT在各种传输挑战上的能力，包括跨动作空间和动态的Few-Shot传输，从低维矢量状态到图像输入，从简单的机器人到复杂的形态;我们还展示了从简单的2D导航任务到更难的蚂蚁迷宫任务的zero-shot传输解决方案。
2022-12-18 cs.AI
Handling PDDL3.0 State Trajectory Constraints with Temporal Landmarks
Universitat Politècnica de València（瓦伦西亚理工大学）
时间地标已被证明是一个有用的机制，以处理时间规划问题，特别是提高规划者的性能和处理问题的最后期限约束。在本文中，我们展示了使用时间地标来处理PDDL3.0的状态轨迹约束的强度。我们分析了TempLM的形式主义，时间规划器，特别是针对解决规划问题的最后期限，我们提出了一个详细的研究，利用底层的时间地标为基础的机制TempLM的轨迹约束表示和推理。
2017-06-26 cs.AI
World Model as a Graph: Learning Latent Landmarks for Planning
University of Toronto（多伦多大学）；Vector Institute（向量研究所）；MIT（麻省理工学院）；Toyota Technological Institute at Chicago（芝加哥丰田技术研究所）
规划--从大的方面分析问题的结构并将其分解为相互关联的子问题的能力--是人类智慧的标志。虽然深度强化学习（RL）在解决相对简单的控制任务方面表现出了很大的潜力，但如何将规划最好地融入现有的深度RL范式以处理日益复杂的环境仍然是一个悬而未决的问题。一个著名的框架，基于模型的强化学习，学习一个世界模型，并使用逐步虚拟推出计划。这种类型的世界模型迅速偏离现实时，规划视野增加，从而挣扎在长期规划。我们如何学习赋予智能体进行时间扩展推理能力的世界模型？在这项工作中，我们建议学习图结构的世界模型组成的稀疏，多步过渡。我们设计了一种新的算法来学习分散在目标空间中的潜在地标（就可达性而言）作为图上的节点。在同一个图中，边是从Q函数中提取的可达性估计。在从机器人操作到导航的各种高维连续控制任务中，我们证明了我们的方法（称为L3 P）显著优于先前的工作，并且通常是唯一能够利用无模型RL的鲁棒性和图搜索算法的泛化的方法。我们相信我们的工作是强化学习中可扩展规划的重要一步。
2021-06-30 cs.AI
Solving Sokoban using Hierarchical Reinforcement Learning with Landmarks
本文提出一种基于学习子目标的六层分层强化学习框架，在推箱子任务中实现端到端的深层递归规划，证明深层目标分解可从学习中涌现并有效扩展到困难谜题领域。
2025-04-06 cs.AI
Automatically Learning HTN Methods from Landmarks
Institute for Systems Research, Univ. of Maryland（马里兰大学系统研究学院）；Navy Center for Applied Research in AI, Naval Research Laboratory（美国海军研究实验室海军人工智能应用研究中心）
针对 HTN 规划方法依赖人工标注的问题，本文提出 CURRICULAMA，利用路标分析与课程学习自动生成并排序方法，证明其可靠且收敛率与 HTN-MAKER 相近。
2024-04-09 cs.AI
Landmark Guided Probabilistic Roadmap Queries
ETH（苏黎世联邦理工学院）
一个地标为基础的启发式研究减少查询阶段运行时间的概率路线图（\PRM）运动规划方法。通过存储来自\PRM图内的少量顶点的最小生成树并使用这些树来近似图的任何两个顶点之间的最短路径的成本来生成启发式。预处理图的中间步骤增加了经典运动规划技术的时间和存储器需求，以换取加速各个查询，使得该方法在多查询应用中有利。本文通过随机环境下构造的\PRM图和实际的机械手模拟研究了这些折衷，得出结论：在多查询应用中，该方法优于Dijkstra算法或采用传统算法的${\rm A}^*$算法。
2017-04-06 cs.AI cs.RO
Safe motion planning with environment uncertainty
University of Genoa（热那亚大学）
本文提出一种在机器人状态与环境（障碍物和地标）不确定性下的安全运动规划方法，通过将地标不确定性纳入贝叶斯滤波并推导高斯分布下碰撞概率的精确表达式，实现实时计算，避免保守估计，提高规划效率。
2023-05-10 cs.AI cs.RO
Successor Feature Landmarks for Long-Horizon Goal-Conditioned Reinforcement Learning
University of Michigan（密歇根大学）；LG AI Research（LG人工智能研究院）
在现实世界中操作通常需要代理了解复杂的环境，并应用这种理解来实现广泛的目标。这个问题被称为目标条件强化学习（GCRL），对于长期目标来说尤其具有挑战性。目前的方法已经解决了这个问题，通过增强基于图的规划算法的目标条件的政策。然而，它们难以扩展到大的、高维的状态空间，并且难以访问用于有效地收集训练数据的探索机制。在这项工作中，我们介绍了继任者功能地标（SFL），探索大型，高维环境，以获得一个政策，精通任何目标的框架。SFL利用后继特征（SF）的能力来捕获过渡动态，使用它来通过估计状态新颖性来驱动探索，并通过将状态空间抽象为基于非参数地标的图来实现高级规划。我们进一步利用SF直接计算一个目标有条件的政策间的地标遍历，我们用它来执行计划，以“边境”的边缘探索状态空间的地标。我们在MiniGrid和ViZDoom上的实验表明，SFL可以有效地探索大型高维状态空间，并在长期GCRL任务上优于最先进的基线。
2021-11-18 cs.AI cs.CV cs.LG
The Computational Complexity of Probabilistic Planning
我们研究的计算复杂性的测试，并找到小计划在概率规划域与平面和命题表示。计划评估和存在的复杂性与寻求的计划类型不同，我们检查完全有序的计划，非循环计划，循环计划，计划价值的三个自然定义下的偏序计划。我们发现，感兴趣的问题是完整的各种复杂性类：PL，P，NP，co-NP，PP，NP^PP，co-NP^PP和PSPACE。在证明某些规划问题是NP^PP完全的过程中，我们引入了一个新的基本NP^PP完全问题，E-MAJSAT，它将标准的布尔可满足性问题推广到涉及概率量的计算;我们的研究结果表明，E-MAJSAT的良好算法的发展可能是非常重要的，为各种各样的问题创建有效的算法。
1998-08-01 cs.AI
Probabilistic Planning with Partially Ordered Preferences over Temporal Goals
University of Florida（佛罗里达大学）
在本文中，我们研究规划随机系统，建模为马尔可夫决策过程（MDP），在时间上扩展的目标的偏好。先前的工作时间规划的偏好假设用户的偏好形成一个总的顺序，这意味着每对结果是相互比较的。在这项工作中，我们考虑的情况下，可能的结果的偏好是一个偏序，而不是一个总的顺序。我们首先介绍了一个变种的确定性有限自动机，称为偏好DFA，用于指定用户的偏好在时间上扩展的目标。基于序理论，我们将偏好DFA转化为一个标记MDP中的概率规划策略偏好关系。在这种治疗中，最优选的政策诱导弱随机非支配概率分布的有限路径的MDP。所提出的规划算法取决于一个多目标MDP的建设。我们证明了弱随机非支配政策的偏好规格是帕累托最优的构造多目标MDP，反之亦然。在整个文件中，我们采用了一个运行的例子来证明所提出的偏好规范和解决方案的方法。我们使用的例子与详细的分析，我们的算法的有效性，然后讨论可能的未来方向。
2023-03-07 cs.AI cs.RO
Inferring Agents Preferences as Priors for Probabilistic Goal Recognition
Hewlett Packard（惠普公司）；Sapienza University of Rome（罗马大学）；Pontifical Catholic University of Rio Grande do Sul（南里奥格兰德天主教大学）
最近的目标识别方法已经利用规划地标以低运行时间成本实现高精度。然而，这些方法缺乏概率解释。此外，虽然目标识别的大多数概率模型假设识别器可以访问表示例如代理的偏好的先验概率，但实际上没有目标识别方法实际上在实践中使用先验，只是假设统一的先验。在本文中，我们提供了一个模型来扩展基于地标的目标识别与概率解释，并允许估计这种先验概率和使用它来计算后验概率后，观察到的代理人的重复相互作用。我们的经验表明，我们的模型不仅可以有效地识别目标，但也成功地推断出正确的先验概率分布代表代理的偏好。
2021-02-23 cs.AI
Virtues of Ordered Chaos: Planning with Topple Actions in Tabletop Stack Rearrangement
School of Computing at the Australian National University（澳大利亚国立大学计算学院）
本文研究了桌面环境中堆叠重构任务，通过引入更丰富的非抓取聚合动作（特别是从堆叠中倒落物体到桌面的Topple动作）来增强任务规划领域。核心方法是提出一种新的Topple聚合工具，将候选任务计划计算转化为 Pebble Motion 问题变体，从而在IsaacSim物理模拟中验证了其效果，展示了在执行速度上的显著优势。
2026-05-18 cs.AI cs.RO
Complete, Scalable, and Robust Prioritized Planning for Multi-Robot Ordered Storage and Retrieval at Maximum Capacity
Rutgers University（罗格斯大学）
该研究针对最大容量下多机器人有序存取问题，提出利用无重排布局特性的在线优先多智能体路径规划算法，实现可扩展且鲁棒的规划，完工时间随机器人数量近线性提升，处理不确定性时执行速度无显著损失。
2026-08-20 cs.AI cs.MA cs.RO
Perceive, Reflect, and Plan: Designing LLM Agent for Goal-Directed City Navigation without Instructions
Tsinghua University（清华大学）；Australian National University（澳大利亚国立大学）
本文提出一种感知-反思-规划工作流，通过微调 LLaVA-7B 感知地标方位距离、引入记忆机制进行反思并生成长期计划，显著提升 LLM 智能体在无指令城市导航中的长距离决策能力。
2024-10-17 cs.AI
Preference-Based Planning in Stochastic Environments: From Partially-Ordered Temporal Goals to Most Preferred Policies
Missouri State University（密苏里州立大学）；University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of Florida（佛罗里达大学）；Oden Institute for Computational Engineering and Sciences（奥登计算工程与科学研究所）
本文研究随机系统中基于偏序时序偏好的规划问题，提出偏好自动机模型，并将最偏好策略求解转化为多目标MDP中的Pareto最优策略计算。
2024-10-18 cs.AI cs.FL cs.LO
On Reasonable and Forced Goal Orderings and their Use in an Agenda-Driven Planning Algorithm
本文讨论了计算目标排序的问题，这是人工智能规划中的一个长期存在的问题。它作出了两项新的贡献。首先，它正式定义和讨论了两种不同的目标排序，这是所谓的合理和强制排序。这两种排序都是为简单的ADL运算符以及支持否定和条件效应的更复杂的ADL运算符定义的。这些订单的复杂性进行了调查，并讨论了它们的实际意义。其次，提出了两种计算合理目标排序的方法。其中之一是基于规划图，而其他调查的行动直接。最后，它示出了如何的排序关系，这已经得到了一组给定的目标G，可以用来计算一个所谓的目标议程，划分成一组有序的子目标G。原则上，任何计划者都可以使用目标议程来计划越来越多的子目标。这可以导致指数级的复杂性降低，因为复杂规划问题的解决方案是通过解决更容易的子问题来找到的。由于只有一个多项式的开销是由目标议程计算，一个潜在的存在，以显着加快规划算法，因为我们在实证评估中证明，我们使用这种方法在IPP规划。
2011-06-01 cs.AI
Lose the Order, Keep the Hierarchy: Deordering HTN Plans
本文将经典规划的两种去序技术适配HTN场景，在IPC 2023基准上与Optiplan对比，实现了HTN规划顺序约束的大幅减少，同时关键路径长度也有一定降低。
2026-09-04 cs.AI
Zero-Shot Goal Recognition with Large Language Models
PUCRS Porto Alegre（圣路易斯-波尔图阿legre大学）；King’s College London（伦敦国王学院）；University of Aberdeen（阿伯丁大学）；PUCRS（圣路易斯-波尔图阿legre大学）
本文首次系统评估前沿大语言模型在经典PDDL基准上的零样本目标识别能力，发现其表现不均，部分模型随证据增加而提升精度，而另一些模型则依赖世界知识先验。
2026-05-14 cs.AI
MATEO: A Multimodal Benchmark for Temporal Reasoning and Planning in LVLMs
Signals and Interactive Systems Lab, University of Trento, Italy（特伦托大学信号与交互系统实验室）；University of Trento（特伦托大学）；Amazon（亚马逊）
MATEO是一个多模态基准，用于评估和提升大型视觉语言模型在时间推理和规划方面的能力。
2026-02-16 cs.AI cs.CL cs.LG
