Decision-Theoretic Planning: Structural Assumptions and Computational Leverage
University of British Columbia（不列颠哥伦比亚大学）；Brown University（布朗大学）；University of Washington（华盛顿大学）
不确定性下的规划是自动顺序决策研究中的一个核心问题，并且已经被许多不同领域的研究人员所解决，包括人工智能规划，决策分析，运筹学，控制理论和经济学。虽然在这些领域采用的假设和观点往往有很大的不同，但这些领域的研究人员感兴趣的许多规划问题可以建模为马尔可夫决策过程（MDP），并使用决策理论的技术进行分析。本文介绍了一个概述和综合的MDP相关的方法，显示他们如何提供一个统一的框架，在人工智能研究的规划问题建模的许多类。它还描述了MDP的结构特性，当表现出特定类别的问题，可以利用在建设最优或近似最优的政策或计划。规划问题通常在用于描述性能标准的回报和价值函数、用于描述状态转换和观察的函数以及用于描述状态、动作、回报和观察的特征之间的关系中具有结构。专门的表示和采用这些表示的算法可以通过利用这些不同形式的结构来实现计算杠杆。某些人工智能技术--特别是那些基于使用结构化、内涵式表示的技术--可以用这种方式来看待。本文调查了几种类型的表示为经典和决策理论规划问题，规划算法，利用这些表示在许多不同的方式，以减轻计算负担的建设政策或计划。它主要关注基于AI风格表示的抽象、聚合和分解技术。
2011-05-27 cs.AI
On the Empirical Complexity of Reasoning and Planning in LLMs
National University of Singapore（新加坡国立大学）
本文通过6项推理任务的实验案例，将CoT与ToT的性能优势联系到样本与计算复杂性原则，揭示任务分解及树结构在困难推理任务中的作用。
2024-06-18 cs.AI cs.LG
Theoretical Foundations for Abstraction-Based Probabilistic Planning
University of Wisconsin-Milwaukee（威斯康星大学密尔沃基分校）
不确定性下的世界和行为建模是决策理论规划框架中的核心问题之一。这种表示必须足够普遍，以捕捉现实世界的问题，但同时它必须提供一个基础上，理论结果可以得出。我们在这里提出的框架中的中心概念是仿射算子，它是构造概率分布（凸）集的工具，可以被认为是置信函数和区间质量分配的推广。在世界的状态的不确定性建模的概率分布集，表示为仿射树，而行动被定义为树操纵器。一个小集合的仿射算子的关键属性，形成的基础上，大多数现有的基于操作的概率动作投影和动作抽象的定义。我们推导并证明了正确的三个投影规则，生动地说明了在平面投影中的精度和复杂性的权衡。最后，我们将展示Haddawy和Doan确定的三种类型的动作抽象在本框架中的表现。
2013-02-13 cs.AI
Memory Bounded Open-Loop Planning in Large POMDPs using Thompson Sampling
LMU Munich（慕尼黑大学）；MaibornWolff
像POMCP这样的部分可观察规划的最新方法是基于随机树搜索的。虽然这些方法在计算上是高效的，但是它们仍然可能构造相当大的搜索树，这可能由于有限的存储器资源而限制性能。在本文中，我们提出了部分可观察的堆叠汤普森采样（POSTS），内存有界的方法来开环规划大型POMDPs，优化了一个固定大小的堆栈汤普森采样强盗。我们在四个大的基准问题的经验评估后，并比较其性能与不同的基于树的方法。我们表明，POSTS实现竞争力的性能相比，基于树的开环规划，并提供了一个性能-内存权衡，使其适合于部分可观察的规划与高度受限的计算和内存资源。
2019-05-10 cs.AI
Decision-Theoretic Planning with Concurrent Temporally Extended Actions
Michigan State University（密歇根州立大学）
我们研究了一个模型，规划下的不确定性与temporallyextended行动，多个行动可以同时采取在每个决策时期。我们的模型是基于选项框架，并结合它与因子化的状态空间模型，其中的一组选项可以被划分为影响不相交的状态变量的类。我们发现，一组decisionepochs并发选项定义了一个半马尔可夫decisionprocess，如果潜在的时间上扩展的行动被并行arenjoined马尔可夫选项。这个属性允许我们使用SMDP算法来计算并发操作上的价值函数。并发选项模型允许选项的重叠执行，以实现更高的性能或执行复杂的任务。我们描述了一个简单的实验，使用navigationtask，说明如何并发选项的结果在一个更快的计划相比，只有一个选项的情况下，在一个时间。
2013-01-10 cs.AI
Lifted Forward Planning in Relational Factored Markov Decision Processes with Concurrent Actions
University of Hamburg（汉堡大学）；University of Münster（穆尔斯特大学）
本文提出Foreplan，一种高效的关联前向规划器，通过一阶表示方法解决大规模对象下的策略计算问题，并提供近似版本以保证误差可控。
2026-02-23 cs.AI
Decision-Theoretic Planning with non-Markovian Rewards
National ICT Australia（澳大利亚国家信息通信技术研究院）；The Australian National University（澳大利亚国立大学）
奖励依赖于历史而不仅仅是当前状态的决策过程被称为非马尔可夫奖励决策过程（NMRDP）。在决策理论规划中，许多期望的行为更自然地表示为执行序列的属性，而不是状态的属性，NMRDPs形成了一个更自然的模型比通常采用的完全马尔可夫决策过程（MDP）模型。虽然更易于处理的解决方案的方法开发的MDPs不直接适用于非马尔可夫奖励的存在下，一些解决方案的方法已经提出了在文献中的NMRDPs。这些都利用了时间逻辑中的非马尔可夫奖励函数的紧凑规范，自动将NMRDP转换为等效的MDP，并使用有效的MDP求解方法来求解。本文介绍了NMRDPP（非马尔可夫奖励决策过程规划器），一个软件平台的开发和实验的方法，决策理论规划与非马尔可夫奖励。当前版本的NMRDPP实现，在一个单一的接口，一个家庭的方法的基础上现有的以及新的方法，我们详细描述。这些方法包括动态规划、启发式搜索和结构化方法。使用NMRDPP，我们比较的方法，并确定某些问题的功能，影响其性能。NMRDPPs对非马尔可夫奖励的处理受到TLPlan规划器中特定于域的搜索控制知识的处理的启发，它将其作为特例。在第一届国际概率规划竞赛中，NMRDPP能够在独立于域和手工编码的轨道上竞争并表现良好，后者使用搜索控制知识。
2011-09-11 cs.AI
POMDPPlanners: Open-Source Package for POMDP Planning
Faculty of Mathematics Technion - Israel Institute of Technology（数学系技术学院 - 以色列理工学院）；Stephen B. Klein Faculty of Aerospace Engineering Faculty of Data and Decision Sciences Technion - Israel Institute of Technology（Stephen B. Klein航空航天工程系数据与决策科学系技术学院 - 以色列理工学院）
POMDPPlanners是一个开源工具包，提供先进的POMDP规划算法、安全关键环境、自动超参数优化和并行模拟功能，用于支持不确定性决策下的可扩展研究。
2026-02-24 cs.AI
Landmark-Based Approaches for Goal Recognition as Planning
Pontifical Catholic University of Rio Grande do Sul（南里奥格兰德天主教大学）；University of Aberdeen（阿伯丁大学）
通过使用自动规划技术，可以有效地完成从缺失和完整的观察中识别目标和计划的任务。在许多应用中，不仅要准确而且要快速地识别目标和计划。为了应对这一挑战，我们开发了新的目标识别方法的基础上规划技术，依赖于规划地标。在自动规划中，地标是实现目标时无法避免的属性（或动作）。我们展示了一些规划技术的适用性，重点是目标和计划识别任务的地标在两种设置：（1）我们使用地标的概念来开发目标识别算法;（2）我们开发了一种基于地标的过滤方法来改进现有的基于规划的目标和计划识别方法。这些识别方法在几个经典的规划领域的实验经验评估。我们表明，我们的目标识别方法不仅可以获得与其他最先进的技术相当的准确性（通常高于其他最先进的技术），而且比这些技术的识别时间更快。
2019-05-23 cs.AI
AblationBench: Evaluating Automated Planning of Ablations in Empirical AI Research
Google Research（谷歌研究）
提出AblationBench基准套件，包含作者消融和审稿人消融两个任务，用于评估语言模型在AI研究中规划消融实验的能力，实验表明当前最佳模型仅能识别45%的原始消融，低于人类水平。
2026-06-01 cs.AI cs.CL
PG3: Policy-Guided Planning for Generalized Policy Generation
MIT Computer Science and Artificial Intelligence Laboratory（麻省理工学院计算机科学与人工智能实验室）
经典规划的一个长期目标是综合政策，从同一个领域的多个问题的概括。在这项工作中，我们研究了广义的策略搜索为基础的方法，重点是得分函数用于指导搜索的政策。我们证明了两个得分函数的局限性，并提出了一种新的方法，克服了这些局限性。我们的方法，政策指导规划广义政策生成（PG3）背后的主要思想是，候选政策应用于指导规划的培训问题作为评估该候选人的机制。在一个简化的设置的理论结果给出的条件下，PG 3是最佳的或容许的。然后，我们研究了一个具体的实例，规划问题是基于PDDL和政策的政策，解除决策列表的政策搜索。在六个领域的实证结果证实，PG3学习广义政策更有效，更有效地比几个基线。代码：https://github.com/ryangpeixu/pg3
2022-04-21 cs.AI
Planning for Novelty: Width-Based Algorithms for Common Problems in Control, Planning and Reinforcement Learning
University of Melbourne（墨尔本大学）
基于宽度的算法通过状态新颖性的一般定义来搜索解决方案。这些算法已被证明导致在经典规划的最先进的性能，并已成功地应用到基于模型和无模型的设置，其中的动态问题是通过仿真引擎。基于宽度的算法的性能在理论上是通过规划宽度的概念来理解的，为它们的运行时间和内存消耗提供多项式保证。为了促进跨研究社区的协同作用，本文总结了基于宽度的规划领域，并调查当前和未来的研究方向。
2021-06-09 cs.AI
Teaching LLMs to Ask: Self-Querying Category-Theoretic Planning for Under-Specified Reasoning
Stanford University（斯坦福大学）
SQ-BCP通过自查询和桥梁假设解决不充分推理问题，显著降低资源违规率并保持高质量计划。
2026-01-27 cs.AI
Weisfeiler-Leman Features for Planning: A 1,000,000 Sample Size Hyperparameter Study
LAAS-CNRS, University of Toulouse, France（法国图卢兹大学CNRS-Laas研究所）
本文针对用于规划的Weisfeiler-Leman特征（WLFs）引入新超参数，通过1,000,000样本量实验确定跨规划领域的最优超参数组，发现其优先最小化执行时间，并证实训练与规划指标无显著相关性。
2025-08-25 cs.AI
SAS+ Planning as Satisfiability
Washington University in St. Louis（圣路易斯华盛顿大学）
作为可满足性的规划是规划的一种主要方法，具有许多突出的优点。现有的规划作为可满足性技术，通常使用编译自可满足性规划的编码。我们介绍了一种新的SAT编码方案（SASE）的基础上的SAS+形式主义。新方案利用了SAS+中的结构信息，从而产生了一种更紧凑、更有效的编码。我们证明了新的编码的正确性，通过建立一个同构的解决方案之间的计划SASE和基于编码的SAMPS。我们进一步分析了SASE中新引入的过渡变量，以解释为什么它可以容纳现代SAT求解算法并提高性能。我们给出了实证统计结果来支持我们的分析。我们还开发了一些技术，以进一步减少SASE的编码大小，并进行实验研究，以显示每个单独的技术的强度。最后，我们报告了大量的实验结果，以证明显着的改进SASE在国家的最先进的基于编码方案的时间和内存效率。
2014-01-18 cs.AI
A Framework for Decision-Theoretic Planning I: Combining the Situation Calculus, Conditional Plans, Probability and Utility
University of British Columbia（不列颠哥伦比亚大学）
本文展示了我们如何将行动的逻辑表示和决策理论以一种对两者来说都很自然的方式结合起来。特别是，我们假设一个公理化的域的情况演算，使用什么基本上是赖特的解决方案的框架问题，在完成的公理定义的状态变化。不确定性是根据独立选择逻辑来处理的，独立选择逻辑允许独立的选择和给出选择结果的逻辑程序。作为结果的一部分，是（最终）状态效用的规范。机器人采用机器人计划，类似于GOOGLE程序设计语言。在这个逻辑中，我们可以根据行动、不确定性和效用的公理化来定义条件计划的预期效用。什么？规划问题就是要找到期望效用最高的方案。这与POMDPs最近的结构化表示有关;在这里，我们使用随机情景演算规则来指定状态转移函数和奖励/价值函数。最后，我们表明，与随机框架公理，行动表示在概率BCPPS是指数大于使用这里提出的表示。
2013-02-13 cs.AI
A game-theoretic approach to timeline-based planning with uncertainty
University of Udine（乌迪内大学）；University of Roma Tre（罗马第三大学）；National Research Council（国家研究委员会）；The University of Western Australia（西澳大学）
在基于时间线的规划中，域被描述为一组独立但相互作用的组件，其随时间的行为（时间线集）由一组时间约束控制。基于时间线的计划系统的一个显著特征是通过合成灵活计划的控制策略来整合计划与执行的能力。然而，灵活的计划只能代表时间的不确定性，而更复杂的形式的非确定性需要处理更广泛的现实问题。在本文中，我们提出了一种新的博弈论的方法，以时间线为基础的规划问题，概括了最先进的，同时统一处理时间的不确定性和非确定性。我们定义了一个一般概念的时间线为基础的游戏，我们表明，这些游戏的获胜策略的概念是严格的更一般的控制策略的动态可控的灵活的计划。此外，我们发现，建立这样的获胜策略的存在性的问题是可判定的使用双指数量的空间。
2019-05-27 cs.AI cs.GT
Addressing Myopic Constrained POMDP Planning with Recursive Dual Ascent
Stanford University（斯坦福大学）
针对全局对偶参数导致的近视动作选择和次优决策问题，提出依赖历史的对偶变量并通过递归对偶上升优化，实验证明该方法改善了探索并提升了安全性。
2024-03-26 cs.AI
On Sequential Fault-Intolerant Process Planning
Hasso-Plattner-Institute, University of Potsdam（波茨坦大学哈索·普拉特纳研究所）
本文提出序贯故障不容忍过程规划问题，并针对未知成功概率的多阶段决策设计了可证明紧致的在线算法，利用多臂老虎机平衡探索与利用，实验表明专用算法优于通用算法。
2025-02-07 cs.AI
Game-theoretic Approach for Non-Cooperative Planning
Universitat Politècnica de València（瓦伦西亚理工大学）
当两个或多个自利的代理人在同一环境中执行他们的计划时，可能会出现冲突，例如，共同利用资源。在这种情况下，代理可以推迟执行特定的动作，如果这准时解决了冲突，或者它可以采取执行不同的计划，如果代理的回报显着减少，由于行动推迟。在本文中，我们提出了一个博弈论的方法，非合作规划，帮助执行前预测什么计划的时间表代理将采用，使所有代理的策略集构成一个纳什均衡。我们进行了一些实验，并讨论了我们的博弈论方法获得的解决方案，分析如何计划之间的冲突决定的代理商的战略行为。
2015-03-04 cs.AI cs.GT
Does The Way You Plan Matter? An Empirical Study of Planning Representations for LLM Web Agents
Concordia University（康科德大学）；Mila - Quebec AI Institute（魁北克人工智能研究所）；University of Copenhagen（哥本哈根大学）；Universite Claude Bernard Lyon（克莱尔蒙特-伯恩大学）；McGill University（麦吉尔大学）
本研究提出PlanAhead框架，通过自动难度分类和四种计划表示（顺序子目标、叙述、伪代码、检查清单）的对比实验，发现计划表示形式和生成计划的LLM显著影响网络代理的鲁棒性和任务成功率。
2026-10-28 cs.AI cs.CL cs.LG
Simple Regret Optimization in Online Planning for Markov Decision Processes
Technion - Israel Institute of Technology（以色列理工学院）
我们考虑在马尔可夫决策过程（MDP）的在线规划。在在线计划中，智能体只关注其当前状态，从该状态开始仔细考虑可能的策略集，当被打断时，使用探索性审议的结果来选择下一步要执行的操作。在线规划算法的性能评估方面的简单的遗憾，这是代理的预期性能损失时，选择的行动，而不是一个最佳的，遵循。到目前为止，国家的最先进的在线规划算法一般MDPs要么是最好的努力，或保证随着时间的推移，简单的遗憾，只有多项式率减少。在这里，我们介绍了一个新的蒙特卡罗树搜索算法，BRUE，保证指数率减少简单的遗憾和错误概率。该算法是基于一个简单而非标准的状态空间采样方案，MCTS2e，其中每个样本的不同部分专用于不同的探索性目标。我们的实证评估表明，BRUE不仅提供了优越的性能保证，但在实践中也是非常有效的，并有利地比较国家的最先进的。“由此产生的一组算法，BRUE（alpha），概括了BRUE，提高了其减少率上限的指数因子，并表现出更有吸引力的经验性能。
2012-12-19 cs.AI cs.LG
Information-Theoretic Abstractions for Planning in Agents with Computational Constraints
Georgia Institute of Technology（佐治亚理工学院）；University of North Carolina, Charlotte（北卡罗来纳大学夏洛特分校）
在本文中，我们开发了一个框架，路径规划的抽象，不提供给代理先验，而是出现作为一个功能的可用计算资源。我们展示了如何在一个环境中的路径规划问题可以系统地近似解决一系列更容易解决的问题上的抽象的原始空间。对问题的性质进行了分析，并给出了一些理论结果和讨论。一个数值例子来显示该方法的实用性和证实的理论研究结果。最后，我们提供了一个讨论，详细介绍了所提出的方法，随时算法和有限理性的连接。
2021-02-23 cs.AI cs.IT cs.RO
Stochastic Fairness and Language-Theoretic Fairness in Planning on Nondeterministic Domains
TU Wien（维也纳工业大学）；Univ. Roma “La Sapienza”（罗马第一大学）；Univ. Sydney（悉尼大学）
我们解决两个中心概念的公平性在文献中的规划不确定性完全可观察域。第一个，我们称之为随机公平，是经典的，并假设一个环境，概率使用可能未知的概率。第二种是语言理论的，它假设如果一个动作从一个给定的状态无限频繁地被采取，那么它的所有可能的结果应该无限频繁地出现（我们称之为状态-动作公平）。虽然这两个概念符合标准的可达性目标，他们分歧的时间延长的目标。这一重要的差异已被忽视的规划文献，我们认为已导致混乱，在一些已公布的算法，使用减少国家行动的公平性，他们是不正确的，而正确的随机公平性。我们补救这一点，并提供了一个最佳的声音和完整的算法，解决状态行动公平规划LTL/LTLf目标，以及正确的证明目标复杂性的下限（我们的证明是足够一般，它提供了新的证明也为非公平性和随机公平的情况下）。总体而言，我们表明，随机公平性比状态行动公平性表现得更好。
2019-12-24 cs.AI cs.FL
Two Techniques That Enhance the Performance of Multi-robot Prioritized Path Planning
Peoples' Friendship University of Russia (RUDN University)（俄罗斯人民友谊大学（卢蒙巴大学））；Federal Research Center ``Computer Science and Control'' of Russian Academy of Sciences（俄罗斯科学院计算机科学与控制联邦研究中心）；National Research University Higher School of Economics（国立研究型大学高等经济学院）
我们介绍和经验评估两种技术，旨在提高多机器人优先路径规划的性能。第一种技术是重新调度的确定性过程（与基于随机重新启动的众所周知的方法相反），第二种是启发式过程，该过程修改了优先路径查找中涉及的个体规划器的搜索空间。
2018-05-03 cs.AI cs.RO
Game-theoretic Objective Space Planning
University of Pennsylvania（宾夕法尼亚大学）；Technical University of Munich（慕尼黑工业大学）
提出博弈论目标空间规划框架，通过抽象离散化动作、离线群体综合和反事实遗憾最小化，在头对头赛车中提升学习效率和胜率，并可泛化至新对手与环境。
2023-10-10 cs.AI cs.RO
Multi-Robot Path Planning Combining Heuristics and Multi-Agent Reinforcement Learning
School of Artificial Intelligence University of Chinese Academy of Sciences（人工智能学院 中国科学院大学）
本文提出MAPPOHR方法，结合启发式搜索与多智能体强化学习，提升多机器人路径规划效率与性能。
2025-12-11 cs.AI cs.LG cs.RO
Learning Space Partitions for Path Planning
Facebook AI Research（Facebook 人工智能研究院）；Brown University（布朗大学）；UC Berkeley（加州大学伯克利分校）
路径规划是有效发现高回报轨迹的问题，通常需要优化高维和多模态的回报函数。流行的方法，如CEM和CMA-ES，主要集中在搜索空间的有希望的区域，可能会陷入局部最大值。DOO和VOOT平衡了探索和利用，但使用独立于待优化的奖励函数的空间划分策略。最近，LaMCTS根据经验学习以奖励敏感的方式划分搜索空间，以进行黑盒优化。在本文中，我们开发了一种新的正式遗憾分析时，为什么这样的自适应区域划分方案的工作原理。我们还提出了一种新的路径规划方法LaP 3，它提高了每个子区域内的函数值估计，并使用了潜在的搜索空间的表示。从经验上讲，LaP 3在2D导航任务中优于现有的路径规划方法，特别是在存在难以逃脱的局部最优值的情况下，并且在插入基于模型的RL（如PETS）的规划组件时显示出优势。这些收益转移到高度多模态的现实世界任务中，在9个任务中，我们在编译阶段的平均排序中超过了强基线高达39%，在分子设计中，在0-1的范围内，性能超过了0.4。代码可在https://github.com/yangkevin2/neurips2021-lap3上获得。
2022-01-21 cs.AI cs.LG cs.RO
Toward a language-theoretic foundation for planning and filtering
我们解决的问题，基本的算法问题的自动化协同设计的机器人硬件与其相应的软件。具体来说，我们认为机器人的传感器和驱动套件的退化可能对该机器人完成其任务的能力的影响。我们引入了一个新的正式结构，概括和巩固各种知名的结构，包括许多形式的计划，规划问题，和过滤器，到一个单一的数据结构称为procrustean图，并给出这些图形结构的语义在形式语言理论的基础上的想法。我们描述了一个收集的procrustean图（语义保持和语义突变）的操作，并显示如何通过应用这些操作可以回答一系列关于机器人硬件的破坏性变化的问题。我们还强调了这种新的方法和现有的研究线程之间的联系，包括组合过滤，Erdmann的战略复杂，和混合自动机。
2018-07-23 cs.AI cs.RO
Robust and Adaptive Planning under Model Uncertainty
Stanford University（斯坦福大学）
模型不确定性下的规划是许多决策和学习应用中的一个基本问题。在本文中，我们提出了鲁棒自适应蒙特卡罗规划（RAMCP）算法，它允许计算风险敏感的贝叶斯自适应政策，最佳权衡探索，剥削和鲁棒性。RAMCP制定的风险敏感规划问题作为一个两个玩家的零和游戏，其中一个对手扰动代理的信念模型。我们介绍两个版本的RAMCP算法。第一个，RAMCP-F，收敛到一个最佳的风险敏感的政策，而不必重建搜索树的基础上的信念模型被扰动。第二个版本，RAMCP-I，提高了计算效率的成本失去理论保证，但产生的经验结果相比，RAMCP-F。RAMCP是证明了一个N拉多臂土匪问题，以及病人的治疗方案。
2019-01-09 cs.AI cs.LG
On the Planning, Search, and Memorization Capabilities of Large Language Models
University of Texas at Austin（德克萨斯大学奥斯汀分校）
本研究评估GPT-4在规划任务中的表现，提出微调方法增强其思维链能力，为大型语言模型在规划领域的应用提供见解。
2023-09-05 cs.AI cs.CL
Evolutionary Biparty Multiobjective UAV Path Planning: Problems and Empirical Comparisons
Guangdong Provincial Key Laboratory of Novel Security Intelligence Technologies, School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen（广东省新型安全智能技术重点实验室，哈尔滨工业大学计算机科学与技术学院，深圳）；Peng Cheng Laboratory（鹏城实验室）；School of Artificial Intelligence/School of Future Technology, Nanjing University of Information Science and Technology（人工智能学院/未来技术学院，南京信息科学技术大学）
本文首次提出双目标多目标无人机路径规划问题，改进并比较了多种多目标优化算法在效率与安全目标下的性能。
2026-03-23 cs.AI cs.NE
Finite-Time Analysis of MCTS in Continuous POMDP Planning
Technion Autonomous Systems Program (TASP)（技术离子自主系统计划（TASP））；Technion – Israel Institute of Technology（技术离子–以色列理工学院）；Stephen B. Klein Faculty of Aerospace Engineering（史蒂文·B·克莱因航空航天工程学院）；Faculty of Data and Decision Sciences（数据与决策科学学院）
本文针对连续POMDP规划中的MCTS，提出有限时间分析，通过扩展多项式探索奖励和引入抽象分区框架，提供理论保证，提出Voro-POMCPOW算法在连续观测空间中实现有效探索。
2026-05-08 cs.AI cs.RO
Active Markov Information-Theoretic Path Planning for Robotic Environmental Sensing
National University of Singapore（新加坡国立大学）；Carnegie Mellon University（卡内基梅隆大学）
最近的研究在多机器人探索和地图集中在采样环境领域，这是典型的高斯过程（GP）建模。现有的信息理论的探索策略，学习基于GP的环境场地图采用非马尔可夫问题结构，因此规模差的历史观测的长度。因此，使用这些策略进行原位、实时主动采样在计算上变得不切实际。为了减轻这种计算负担，本文提出了一种基于马尔可夫的方法，有效的信息理论的路径规划主动采样的GP为基础的领域。我们分析了解决基于马尔可夫路径规划问题的时间复杂度，并分析表明，它的规模优于得出的非马尔可夫策略，随着规划范围的长度增加。对于一类称为样带采样任务的探索任务，我们提供了理论上的保证，我们的主动采样性能的马尔可夫为基础的政策，从理想的环境场条件和采样任务设置可以建立限制其性能下降，由于违反马尔可夫假设。对实际温度和浮游生物密度场数据的实证评估表明，我们的基于马尔可夫的政策通常可以实现主动采样性能相比，广泛使用的非马尔可夫贪婪政策在不太有利的现实条件和任务设置，同时享受显着的计算增益。
2011-01-28 cs.AI cs.LG cs.MA
Information-Theoretic Approach to Efficient Adaptive Path Planning for Mobile Robotic Environmental Sensing
Carnegie Mellon University（卡内基梅隆大学）
机器人探索和地图绘制的最新研究集中在采样环境热点领域。这种探索任务由Low，Dolan和Khosla（2008）在称为MASP的不确定性框架下的顺序决策理论规划中进行了形式化。求解MASP的时间复杂度近似依赖于地图分辨率，这限制了其在大规模、高分辨率勘探和填图中的应用。为了减轻这种计算困难，本文提出了一种信息理论的方法，MASP（iMASP）的有效的自适应路径规划，通过重新制定的成本最小化的iMASP作为一个奖励最大化的问题，其时间复杂度变得独立的地图分辨率和不太敏感，增加机器人团队的规模，理论和经验证明。使用奖励最大化对偶，我们得到了一个新的自适应最大熵采样的变体，从而提高了诱导探索策略的性能。它还使我们能够建立理论界限量化的性能优势，最佳自适应非自适应政策和性能质量的近似最优与最佳自适应政策。我们的分析和经验表明，iMASP为基础的政策采样的对数高斯过程的政策广泛使用的高斯过程中映射的热点领域的优越性能。最后，我们提供了充分的条件，当满足时，保证自适应性在假设的环境模型下没有好处。
2013-05-27 cs.AI cs.LG cs.MA
Hierarchical Game-Theoretic Planning for Autonomous Vehicles
University of California, Berkeley（加州大学伯克利分校）；KTH Royal Institute of Technology（KTH皇家理工学院）；Stanford University（斯坦福大学）
自动驾驶汽车在道路上的行为会影响其他驾驶员的行为，无论是超车、谈判合并还是避免事故。这种相互依赖，最好用动态博弈论来描述，在车辆的规划和对其他驾驶员行为的预测之间建立了强耦合，并构成了一个直接影响自动驾驶技术安全性和可行性的开放性问题。不幸的是，动态游戏的计算要求太高，无法满足自动驾驶在连续状态和动作空间中的实时约束。在本文中，我们介绍了一种新的游戏理论的自动驾驶轨迹规划算法，使实时性能分层分解的基础动态游戏到一个长期的“战略”游戏，简化的动态和完整的信息结构，和一个短期的“战术”游戏，完整的动态和简化的信息结构。战略博弈的价值被用来指导战术规划，隐含地扩展规划范围，推动局部轨迹优化更接近全局解决方案，最重要的是，定量地考虑自动驾驶汽车和人类驾驶员相互影响的能力和激励。此外，我们的方法承认人类决策的非确定性模型，而不是依赖于完全理性的预测。与现有技术相比，我们的研究结果展示了更丰富，更安全，更有效的自主行为。
2018-10-13 cs.AI cs.MA cs.RO
An Approximation Approach for Solving the Subpath Planning Problem
Amirkabir University of Technology（阿米尔卡比尔理工大学）；University of Waterloo（滑铁卢大学）；McMaster University（麦克马斯特大学）
子路径规划问题是路径规划问题的一个分支，在自动化制造过程以及车辆和机器人导航中有着广泛的应用。这个问题是要找到最短的路径或旅游主题的旅行一组给定的子路径。现有的子路径规划方法都是基于元启发式方法。众所周知，基于元启发式的方法具有若干缺陷。为了解决这些问题，我们提出了一种新的近似算法在O（n^3）的时间复杂度类，保证解决任何子路径规划问题的实例与固定的比率界为2。此外，索赔的正式证明，我们的经验评估表明，我们的近似方法的行为比一个国家的最先进的方法，无论是在结果和执行时间。
2016-03-20 cs.AI cs.DS cs.RO
Goal Agnostic Planning using Maximum Likelihood Paths in Hypergraph World Models
University of Louisville（路易斯维尔大学）
提出基于超图的目标不可知自动规划引擎，结合机器学习与传统AI优势，证明其能确定最优解并数学界定学习性能，通过三个典型规划问题验证有效性。
2021-10-18 cs.AI cs.LG
A Look at Value-Based Decision-Time vs. Background Planning Methods Across Different Settings
Mila, McGill University（米拉-麦吉尔大学）；Google DeepMind（谷歌DeepMind）
本文从理论和实验两方面比较了基于价值的决策时规划与后台规划方法，发现二者简单实例表现相当，但现代决策时规划在常规RL和迁移学习设定中可达到与后台规划相当或更优的性能。
2024-08-12 cs.AI cs.LG
Planning with Diffusion for Flexible Behavior Synthesis
University of California, Berkeley（加州大学伯克利分校）；MIT（麻省理工学院）
基于模型的强化学习方法通常仅将学习用于估计近似动力学模型的目的，将其余的决策工作卸载到经典轨迹优化器。虽然概念上很简单，但这种组合具有许多经验上的缺点，这表明学习模型可能不太适合标准的轨迹优化。在本文中，我们考虑将尽可能多的轨迹优化管道折叠到建模问题中，使得从模型中采样和使用它进行规划变得几乎相同。我们技术方法的核心在于通过迭代去噪轨迹进行规划的扩散概率模型。我们展示了如何分类器引导的采样和图像修补可以被重新解释为连贯的规划策略，探索基于扩散的规划方法的不寻常的和有用的属性，并展示了我们的框架在控制设置中的有效性，强调长期决策和测试时间的灵活性。
2022-12-21 cs.AI cs.LG
A Survey of Machine Learning-Based Ride-Hailing Planning
The University of Hong Kong（香港大学）；Hong Kong Baptist University（香港浸会大学）
叫车是一种可持续的交通模式，乘客通过手机应用程序获得门到门的旅行服务，这吸引了大量的使用。在乘车系统中有两个主要的规划任务：（1）匹配，即，分配可用的车辆来接载乘客，以及（2）重新定位，即，主动将车辆迁移至特定地点，以平衡网约车服务的供求。最近，出现了许多利用机器学习技术的乘车规划研究。在这篇文章中，我们全面概述了基于机器学习的乘车规划的最新发展。为了提供一个清晰和结构化的审查，我们引入了一个分类，我们仔细适合不同类别的相关工作，根据其规划任务和解决方案的类型，其中包括集体匹配，分布式匹配，集体重新定位，分布式重新定位，联合匹配和重新定位。我们进一步阐明了许多现实世界的数据集和模拟器，这些数据集和模拟器对于基于机器学习的乘车规划策略的实证研究是不可或缺的。最后，我们提出了几个有前途的研究方向，这一迅速增长的研究和实践领域。
2023-03-26 cs.AI cs.LG
Multi Graph Search for High-Dimensional Robot Motion Planning
本文提出多图搜索算法，用于高维机器人运动规划，通过多图扩展实现高效且可靠的路径搜索。
2026-02-12 cs.AI cs.RO
An Information-Theoretic Approach to Persistent Environment Monitoring Through Low Rank Model Based Planning and Prediction
Cornell University（康奈尔大学）
机器人可用于在人类难以穿越的地区收集环境数据。然而，限制仍然存在于区域的大小，机器人可以直接观察每单位时间。我们介绍了一种方法，选择有限数量的观察点在一个大的区域，我们可以预测的状态，在该地区的未观测点。我们结合了一个低秩模型的目标属性与信息最大化的路径规划，以预测整个区域的属性的状态。我们的方法是不可知的目标属性和机器人监控平台的选择。我们在两个真实环境数据集上模拟评估了我们的方法，每个数据集都包含来自一百万到两百万个可能的采样位置的观测结果。我们比较了一个随机采样器和四个变化的基线采样器从生态学文献。我们的方法优于基线方面的平均Fisher信息增益每个样本，并在大多数试验中进行平均重建误差。
2020-09-02 cs.AI cs.RO
When both Grounding and not Grounding are Bad -- A Partially Grounded Encoding of Planning into SAT (Extended Version)
本文提出一种部分 grounding 的 SAT 编码，在保持动作 lifted 的同时部分 grounding 预言，实现线性规模的规划效率，优于现有方法。
2026-03-19 cs.AI cs.LO cs.SC
Symbolic Planning and Multi-Agent Path Finding in Extremely Dense Environments with Unassigned Agents
本文提出五种基于搜索的算法，用于解决在极度密集环境中无分配代理的多智能体路径寻找问题，通过图搜索方法高效生成重新排列计划。
2026-01-08 cs.AI cs.MA cs.RO
