Behaviour Planning: A Toolkit for Diverse Planning
School of Computer Science, University of St Andrews, United Kingdom（计算机科学学院、圣安德鲁大学、英国）
本文提出行为规划工具包，通过n维网格特征建模多样性，支持经典、过度订阅及数值规划，实证优于现有方法。
2025-06-19 cs.AI
Large Language Models Can Solve Real-World Planning Rigorously with Formal Verification Tools
MIT（麻省理工学院）；Harvard University（哈佛大学）；MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室）
提出基于LLM的规划框架，将复杂多约束规划形式化为约束可满足性问题并交由求解器处理，在TravelPlanner基准上实现93.9%成功率，具备零样本泛化能力，并能识别不可满足查询提供修改建议。
2025-01-29 cs.AI cs.CL cs.HC
Lifted Sequential Planning with Lazy Constraint Generation Solvers
University of Melbourne（墨尔本大学）；Monash University（莫纳什大学）
提出基于LCG的无实例化提升因果CP编码及传播子，用于序列经典规划，在少步骤实例上达到最优规划先进水平。
2023-07-17 cs.AI
Backbone Fragility and the Local Search Cost Peak
University of Edinburgh（爱丁堡大学）；University of St. Andrews（圣安德鲁斯大学）
局部搜索算法WSat是求解可满足性问题的最成功的算法之一。它在解决所谓的“可满足性阈值”附近的硬随机3-SAT实例时特别有效，但在阈值附近的搜索成本中仍然显示出峰值，并且不同实例的成本变化很大。我们作出了一些重大贡献的分析WSAT的高成本的随机实例，使用最近推出的概念的主干SAT实例。主干是实例所包含的文字的集合。我们发现，解决方案的数量预测成本以及小骨干实例，但相关性小得多的大型骨干实例出现在阈值附近，并在过度约束区域占主导地位。我们显示了一个非常强的相关性搜索成本和汉明距离最近的解决方案早期WSAT的搜索。这个模式引导我们引入一个实例的主干脆弱性的度量，它表明当子句被删除时主干的持久性。我们建议，本地搜索的高成本随机实例是那些具有非常大的骨干，骨干脆弱。我们认为，在满足性阈值以上的成本衰减是由于增加骨干的鲁棒性（骨干脆弱性的相反）。我们的假设做出了三个正确的预测。首先，在控制其他因素的情况下，实例的主干鲁棒性与局部搜索成本呈负相关。第二，最小主干实例（即3-SAT实例，经过修改，使其主干更脆弱）对于WSAT来说异常困难。第三，在搜索过程中最经常不满足的子句是那些删除对主干影响最大的子句。在了解局部搜索方法的病理学，我们希望有助于新的和更好的技术的发展。
2011-06-01 cs.AI
Sparsification for Fast Optimal Multi-Robot Path Planning in Lazy Compilation Schemes
Czech Technical University in Prague（布拉格捷克理工大学）
多机器人路径规划（MRPP）是指为机器人寻找从初始位置到指定目标位置的无碰撞路径。该问题通常使用无向图建模，其中机器人在顶点之间跨边缘移动。当代的最优求解算法包括直接解决问题的基于搜索的专用方法，以及将MRPP简化为不同形式的基于编译的算法，对于该不同形式的MRPP存在有效的求解器，例如约束编程（CP）、混合整数编程（MIP）或布尔可满足性（SAT）。在本文中，我们加强现有的SAT为基础的算法MRPP通过spartification的候选路径为每个机器人的目标布尔编码派生的集合。建议的路径集的稀疏化导致更小的目标布尔公式，可以更快地构造和求解，同时保持方法的最优性保证。
2021-03-08 cs.AI cs.RO
Compact and Efficient Encodings for Planning in Factored State and Action Spaces with Learned Binarized Neural Network Transition Models
University of Toronto（多伦多大学）；Vector Institute（向量研究所）
在本文中，我们利用二进制神经网络（BNN）的效率，学习复杂的状态转换模型的规划域与离散化的因子状态和动作空间。为了直接利用这种过渡结构的规划，我们提出了两个新的编译的学习因子规划问题与BNN的基础上减少加权部分最大布尔可满足性（FD-SAT-Plan+）以及二进制线性规划（FD-BLP-Plan+）。从理论上讲，我们表明，我们的基于SAT的双向神经元激活编码是渐近最紧凑的编码相对于当前的文献，并支持单位传播（UP）-一个重要的属性，促进效率SAT求解器。在实验中，我们验证了我们的双向神经元激活编码的计算效率相比，现有的神经元激活编码，并展示了学习复杂的过渡模型与BNN的能力。我们测试了FD-SAT-Plan+和FD-BLP-Plan+在学习因子规划问题上的运行时效率，结果表明FD-SAT-Plan+随着BNN大小和复杂性的增加而扩展得更好。最后，我们提出了一个有限时间增量约束生成算法的基础上广义地标约束，以提高规划精度，我们的编码，通过模拟或现实世界的互动。
2020-03-06 cs.AI
Differentiable Satisfiability and Differentiable Answer Set Programming for Sampling-Based Multi-Model Optimization
National University of Ireland, Galway（爱尔兰国立高威大学）
本文提出了一种求解多模型优化问题的可微可满足性和可微答案集编程算法（Differentiable Satisfiability and Differentiable Answer Set Programming，简称SAT/ASP）。模型（答案集或满足真值分配）使用一种新的SAT/ASP求解方法，该方法使用基于梯度下降的分支机制进行采样。采样继续进行，直到用户定义的多模型成本函数的值达到给定阈值。作为我们的方法的主要用例，我们提出了分布感知模型采样和表达但可扩展的概率逻辑编程。作为我们的主要算法方法，微分SAT/ASP，我们介绍了一个增强的国家的最先进的CDNL/CDCL算法SAT/ASP解决。此外，我们提出了替代算法，使用未经修改的ASP求解器（Clingo/扣）和映射的优化任务，以传统的答案集优化或使用所谓的传播。我们还报告了开源软件DelSAT，我们的主要算法的最近原型实现，以及初步实验结果，这些结果表明，DelSAT的性能，当应用于概率逻辑推理的用例时，与马尔可夫逻辑网络（MLN）推理性能相当，尽管与MLN相比具有有利的特性，例如表达归纳定义的能力，以及在所有情况下直接将概率作为权重的能力。我们的实验还表明，我们的主要算法是非常优越的性能相比，所提出的替代方法，减少了一个共同的情况下，一般的问题，定期SAT/ASP。
2018-12-31 cs.AI cs.LG cs.LO
Domain-Independent Cost-Optimal Planning in ASP
University of Alberta（阿尔伯塔大学）
研究了ASP中的成本优化规划问题。目前的ASP计划可以平凡地扩展到成本最优的一个，通过添加弱约束，但只有一个给定的最大完工时间（步骤数）。我们希望有一个计划，保证全局最优。在本文中，我们提出了两种方法来解决这个问题。首先，我们将展示如何设计一个成本最优的计划组成的两个ASP程序并行运行。利用从中吸取的教训，我们开发了一种全新的方法来进行成本最优规划，无级规划，这是完全免费的最大完工时间。实验比较这两种方法与唯一已知的成本最优规划在SAT显示良好的潜力无级规划ASP。该文件正在考虑被TPLP接受。
2019-07-31 cs.AI
Answer Set Planning Under Action Costs
TU Wien（维也纳工业大学）；University of Calabria（卡拉布里亚大学）
最近，规划的基础上回答集编程已被提出作为一种实现声明式规划系统的方法。在本文中，我们提出了语言Kc，它扩展了声明式规划语言K的行动成本。Kc提供了容许和最优计划的概念，这些计划的总行动成本在给定的限制内。所有计划中的最小值（即，最便宜的计划）。正如我们所展示的，这种新颖的语言允许以声明的方式表达一些重要的规划任务。此外，它可以用于表示规划问题下的其他最优性标准，如计算“最短”的计划（步骤数最少），和细化组合的最便宜和最快的计划。我们研究的语言KC的复杂性方面，并提供了一个转换到逻辑程序，这样的规划问题，通过答案集编程解决。此外，我们报告选定的问题的实验结果。我们的经验是令人鼓舞的，答案集规划可能是一个有价值的方法，表达规划系统中，复杂的规划问题可以自然地指定和解决。
2011-06-26 cs.AI
Cost-Optimal Algorithms for Planning with Procedural Control Knowledge
Knexus Research Corporation（Knexus研究公司）；MITRE（MITRE公司）；Naval Research Laboratory（海军研究实验室）
有一个令人印象深刻的机构的工作，发展规划和其他推理算法，以指导搜索最佳和任何时候的规划算法的经典规划。然而，很少的努力已被导向开发类似的技术，以引导搜索到高质量的解决方案，如HTN规划的层次规划形式主义，它允许使用额外的特定领域的程序控制知识。代替这种技术，这种控制知识通常需要为规划算法提供必要的搜索指导，这给领域作者带来了很大的负担，并且可能产生脆弱或容易出错的领域模型。我们通过扩展最近的工作，一个新的分层目标为基础的规划形式主义，称为分层目标网络（HGN）规划开发的分层最优目标分解规划（HOpGDP），HGN规划算法，计算分层最优的计划，来解决这个差距。HOpGDP由$h_{HL}$指导，$h_{HL}$是一种新的HGN规划启发式算法，它扩展了现有的基于可容许地标的启发式算法，从经典规划中计算HGN规划问题的可容许成本估计。我们在三个基准规划领域的实验评估表明，HOPGDP相比，由于其能够使用特定领域的程序知识，和盲目搜索版本的HOPGDP由于$h_{HL}$提供的搜索指导的最佳经典规划。
2016-07-07 cs.AI
On Computing Plans with Uniform Action Costs
Universidad Carlos III de Madrid（卡洛斯三世大学）
本文针对现实规划中动作成本均匀性的需求，将三种均匀性度量引入自动规划，提出基于规划的编译方法以字典序优化成本总和与均匀性，实验验证了该方法能有效生成均匀计划。
2024-05-24 cs.AI
Anticipatory Planning: Improving Long-Lived Planning by Estimating Expected Cost of Future Tasks
George Mason University（乔治梅森大学）
针对服务机器人长期任务规划中忽视未来任务导致总成本高的问题，提出用图神经网络估计未来成本来增强规划，在块世界环境中总成本降低5%，提前准备时降低11%。
2023-05-08 cs.AI cs.LG cs.RO
Structure and Problem Hardness: Goal Asymmetry and DPLL Proofs in<br> SAT-Based Planning
在验证和（最优）AI规划中，一个成功的方法是将应用程序制定为布尔可满足性（SAT），并使用最先进的基于DPLL的程序来解决它。人们不理解为什么这一点如此有效。专注于规划的背景下，我们确定了一种形式的问题结构的对称或不对称的性质，实现个人的规划目标的成本。我们用一个叫做AsymRatio的简单数值参数来量化这种结构，范围在0到1之间。自2000年以来，我们在国际规划竞赛的10个基准域中进行实验，我们表明AsymRatio在其中8个域中是SAT求解器性能的良好指标。然后，我们研究精心制作的合成规划域，允许控制的结构量，并足够干净的组合搜索空间的严格分析。这些域通过大小和结构的量来参数化。我们研究的CNF是不可满足的，编码一个规划步骤的长度小于最优计划。我们证明了最好的DPLL反驳的大小上的上限和下限，根据不同的设置的结构量，作为大小的函数。我们还确定了分支变量（后门）的最佳可能集合。最小AsymRatio，我们证明了指数下界，并确定最小后门的大小线性的变量的数量。最大的AsymRatio，我们确定对数DPLL反驳（和后门），显示两个结构极端情况之间的双指数差距。这种行为的原因-证明参数-阐明了导致竞争基准中观察到的经验行为的结构的原型模式。
2007-02-26 cs.AI
Cost-Awareness in Tree-Search LLM Planning: A Systematic Study
Emory University（埃默里大学）；University of California, Merced（加州大学默塞德分校）
本文研究了树搜索LLM规划器在资源受限下的成本意识问题，发现现有方法难以找到最优计划，双向搜索表现最佳，MCTS在短时间任务中最优，表明需新算法而非单纯增加计算量。
2026-01-12 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
Planning with Dynamically Estimated Action Costs
Bar-Ilan University（巴伊兰大学）
针对带动作代价的AI规划中黑盒代价估计器计算成本高、结果不确定的问题，提出可在多估计器间选择的泛化确定性规划框架，设计泛化$A^*$搜索算法，在保证规划精度边界的同时大幅降低运行时间。
2023-07-19 cs.AI cs.DM
Path Planning under Time-Dependent Uncertainty
University of Michigan（密歇根大学）
在图中寻找最短路径的标准算法要求路径的成本在边成本中是可加的，并且通常假设成本是确定性的。我们考虑的问题，不确定的边缘成本，潜在的概率之间的依赖关系的成本。虽然这些依赖关系违反了标准的动态规划分解，我们确定了一个较弱的随机一致性条件，证明了一个广义的动态规划方法的基础上随机优势。我们提出了一个修正的路径规划算法，并证明它产生最优路径下的时间依赖的不确定成本。我们测试的算法，将其应用到随机总线网络的模型，并提出经验的性能结果比较它的一些替代品。最后，我们考虑将这些概念扩展到不确定性下更一般的一类启发式搜索问题。
2013-02-20 cs.AI
Cost-to-Go Function Generating Networks for High Dimensional Motion Planning
Samsung AI Center NY（三星纽约人工智能中心）
本文提出了c2 g-HOF网络，学习产生成本去功能的机械手运动规划。c2 g-HOF架构由表示为神经网络（c2 g-网络）的配置空间上的进行成本（cost-to-go）函数以及输出针对给定输入工作空间的c2 g-网络的权重的高阶函数（HOF）网络组成。这两个网络都是使用传统运动规划器计算的成本以监督方式进行端到端训练的。经过训练后，c2 g-HOF可以直接从工作空间传感器输入（表示为3D点云或2D图像）生成平滑连续的成本函数。在推理时，c2 g网络的权重被非常有效地计算，并且通过简单地遵循cost-to-go函数的梯度来生成接近最优的轨迹。我们比较c2 g-HOF与传统的规划算法的各种机器人和规划方案。实验结果表明，规划与c2 g-HOF是显着快于其他运动规划算法，导致数量级的改善时，包括碰撞检查。此外，尽管从配置空间中的稀疏采样轨迹进行训练，c2 g-HOF仍能生成更平滑且通常成本更低的轨迹。我们展示了基于7自由度机械臂的规划成本，其中复杂工作空间中的运动规划整个轨迹仅需0.13秒。
2020-12-10 cs.AI cs.LG cs.RO
Hierarchical Constrained Stochastic Shortest Path Planning via Cost Budget Allocation
Massachusetts Institute of Technology（麻省理工学院）
随机序贯决策往往需要层次结构的问题，每个高层次的行动应进一步计划与原始状态和行动。此外，许多现实世界的应用程序需要一个计划，满足约束的二次成本，如风险措施或燃料消耗。在本文中，我们提出了一个分层约束随机最短路径问题（HC-SSP），满足这两个关键的要求，在一个单一的框架。虽然HC-SSP提供了一个有用的框架，在许多现实世界的应用程序中，这样的规划要求建模，由此产生的问题具有很高的复杂性，并使得它很难找到一个最佳的解决方案，快速，这阻止了用户将其应用到实时和风险敏感的应用程序。为了解决这个问题，我们提出了一个算法，迭代分配成本预算的基础上分支定界计划的低层次规划问题，找到一个可行的解决方案快速和增量更新现任解决方案。我们证明了所提出的算法在疏散的情况下，并证明了一个国家的最先进的数学规划为基础的方法的优势。
2022-05-11 cs.AI
CATP-LLM: Empowering Large Language Models for Cost-Aware Tool Planning
Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；Department of Computer Science, Tsinghua University（清华大学计算机系）
本文提出CATP-LLM框架，通过设计工具规划语言生成多分支非顺序计划，并利用成本感知离线强化学习算法微调LLM，以优化工具规划中的性能与成本权衡，在自建数据集上表现优于GPT-4。
2025-07-13 cs.AI cs.LG
Risk Awareness in HTN Planning
Service Computing Department, Institute of Architecture of Application Systems, University of Stuttgart（应用系统架构研究所服务计算系，斯图加特大学）
本文针对HTN规划中缺乏风险意识的问题，提出基于期望效用理论和动作成本概率分布的通用风险感知HTN规划框架，使智能体能按特定风险态度计算计划，并通过案例研究验证其可行性与表达能力。
2025-06-04 cs.AI
CostBench: Evaluating Multi-Turn Cost-Optimal Planning and Adaptation in Dynamic Environments for LLM Tool-Use Agents
Hong Kong University of Science and Technology（香港科技大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Tsinghua University（清华大学）
本文提出CostBench，一个以成本为中心的可扩展基准，用于评估LLM代理在动态环境中的经济推理和重新规划能力，揭示现有模型在成本感知规划方面的显著不足。
2026-06-29 cs.AI cs.CL
Planning or Learning: Reliability and Cost in Multi-Asset Maintenance
Industrial AI Lab, Hitachi America Ltd.（日立美国有限公司工业人工智能实验室）
本研究实证比较规划与强化学习在多资产维护中的表现，发现规划以硬约束实现零故障，RL在低惩罚下成本更低但存在非零故障，并探讨了约束机制，表明两者互补。
2026-09-15 cs.AI cs.LG
Budget-Constrained Agentic Large Language Models: Intention-Based Planning for Costly Tool Use
Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院）；Shanghai University of Finance（上海财经大学）；Baidu Inc.（百度公司）
本文提出INTENT框架，通过意图感知的分层世界模型，在预算约束下提升工具使用任务的成功率并保持鲁棒性。
2026-02-12 cs.AI cs.LG
qRRT: Quality-Biased Incremental RRT for Optimal Motion Planning in Non-Holonomic Systems
提出了一种基于采样的非完整系统最优运动规划方法。它使用通过经验学习的原则来推断工作空间内区域的成本。该成本信息用于偏置产生解决方案轨迹的增量式基于图的搜索算法。迭代改进的成本信息和搜索偏置产生的解决方案，被证明是渐近最优的。所提出的框架建立在增量快速探索随机树（RRT）的随机采样为基础的搜索和强化学习（RL）学习工作空间成本。一系列的实验进行了评估和证明所提出的方法的性能。
2021-01-07 cs.AI cs.RO
Decision-Focused Learning to Predict Action Costs for Planning
KU Leuven（鲁汶大学）；Saarland University（萨尔大学）；LAAS-CNRS（法国国家科学研究中心自动控制与系统分析实验室）；Australian National University（澳大利亚国立大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）
本文首次将决策聚焦学习应用于自动规划中的动作成本预测，提出新的梯度计算方法解决负动作成本问题，并引入缓存机制提升可扩展性，实验证明其生成的计划显著优于最小化预测误差的方法。
2024-08-26 cs.AI cs.RO
Metareasoning for Planning Under Uncertainty
University of Washington（华盛顿大学）；Microsoft Research（微软研究院）
传统的在线规划模型下的不确定性假设，代理可以停止和计划，而不会产生成本的时间花费规划。然而，在大多数现实世界的设置中，计划时间并不是免费的。例如，自主无人机即使在思考时也会受到自然力（如重力）的影响，并且必须为抵消这些力量而付出代价，或者努力应对默许它们所导致的状态变化。在这些环境中的政策优化需要元推理-一个权衡规划成本和可能实现的潜在政策改进的过程。我们形式化和分析马尔可夫决策过程（MDP）的元推理问题。我们的工作包括以前研究的特殊情况下的元推理，并表明，在一般情况下，元推理是最多多项式比解决MDPs与任何给定的算法，无视思维的成本。由于我们讨论的原因，最佳一般元推理被证明是不切实际的，激励近似。我们提出了近似元推理程序，依赖于特殊属性的BRTDP规划算法，并探讨我们的方法对各种问题的有效性。
2015-05-03 cs.AI
Risk-Averse Online POMDP Planning via CVaR of the Immediate Cost with Performance Guarantees
Technion – Israel Institute of Technology（以色列理工学院）
针对在线POMDP规划中期望成本掩盖高风险状态的问题，提出对每步信念上的即时成本应用CVaR，保留期望累积回报为目标，使任何基于期望的规划器仅通过改变成本计算即可实现风险敏感，并给出有限时间性能保证。
2026-09-30 cs.AI
On the Tour Towards DPLL(MAPF) and Beyond
Czech Technical University in Prague（布拉格捷克理工大学）
我们讨论了里程碑之旅对DPLL（MAPF），多智能体路径寻找（MAPF）求解器完全集成的戴维斯-普特南-洛格曼-洛夫兰（DPLL）命题可满足性测试算法通过可满足性模理论（SMT）。MAPF的任务是在无向图中以无冲突的方式导航代理，以便每个代理最终到达其唯一的目标顶点。一次最多只能有一个代理驻留在一个顶点中。代理可以通过遍历边来瞬间移动，只要移动不会导致碰撞。最近试图解决MAPF最佳w.r.t.基于MAPF到命题可满足性（SAT）约简的费用和或完工时间已经出现。最成功的方法依赖于通过SMT范例中启发的过程为给定的MAPF实例惰性地构建命题编码。然而，在现有的方法中，SAT求解器和编码的高级构造的可满足性测试的集成相对松散。因此，该方向研究的最终目标是构建DPLL（MAPF）算法，这是一种MAPF求解器，其中编码的构建与底层SAT求解器完全集成。我们讨论了当前最先进的MAPF解决方案和需要做什么步骤，以获得DPLL（MAPF）。DPLL（MAPF）的优点，在其潜在的交替参数化与MAPF $^R$，一个理论的连续MAPF的几何代理，也进行了讨论。
2019-07-11 cs.AI cs.MA
Optimize Planning Heuristics to Rank, not to Estimate Cost-to-Goal
Czech Technical University in Prague（布拉格捷克理工大学）；Gen Digital, Inc.（Gen Digital 公司）
本文重新审视前向搜索算法中最优高效启发式的条件，提出基于排序的损失函数以替代估计到达目标代价，并通过实验验证了该理论的有效性。
2023-10-30 cs.AI cs.LG
Learning Domain-Independent Planning Heuristics with Hypergraph Networks
The Australian National University（澳大利亚国立大学）
我们提出了第一种能够完全从头开始学习独立于域的规划算法的方法。我们学习的算法将手头规划问题的删除松弛的超图表示映射到成本估计，该成本估计近似于通过超图从当前状态到目标的最小成本路径的成本估计。我们概括了图网络，以获得一个新的超图学习框架，我们专门通过训练从最优成本计划中获得的状态/值对来学习规划算法。我们的实验表明，由此产生的架构，STRIPS-HGNs，是能够学习的竞争力与现有的删除松弛算法，包括LM切割算法。我们表明，我们学习的知识能够概括不同的问题和领域，包括在训练过程中没有看到的领域。
2019-11-29 cs.AI cs.LG
Symbolic Search for Optimal Planning with Expressive Extensions
Albert-Ludwigs-Universität Freiburg im Breisgau（弗莱堡阿尔伯特-路德维希大学）；University of Freiburg（弗莱堡大学）；Aalborg University（奥尔堡大学）
在经典规划中，目标是导出一个行动过程，允许智能代理从它发现自己处于的任何情况移动到满足其目标的情况。经典规划被认为是独立于域的，即，它不限于特定的应用，并且可以用于解决不同类型的推理问题。然而，在实践中，手头的规划问题的一些属性需要标准的经典规划形式主义的表达扩展来捕获和建模它们。虽然许多这些扩展的重要性是众所周知的，大多数规划，特别是最优规划，不支持这些扩展的规划形式主义。缺乏支持不仅限制了这些规划器对某些问题的使用，而且即使可以在没有这些扩展的情况下对问题进行建模，也常常导致建模工作量增加，或者由于所需的问题编码大小呈指数级增加而使建模几乎不可能。在这篇论文中，我们提出使用符号搜索成本最优规划的经典规划的不同表达扩展，所有捕获问题的不同方面。特别是，我们研究规划与公理，规划与状态相关的行动成本，超额认购规划，和top-k规划。对于所有的形式主义，我们提出的复杂性和可编译性的结果，强调它是可取的，甚至有必要原生支持相应的功能。我们分析了符号启发式搜索，并表明搜索性能并不总是受益于使用的启发式和搜索性能可以指数恶化，即使在最好的情况下，即完美的启发式。这加强了符号盲搜索是当今占主导地位的符号搜索策略，与其他国家的最先进的成本最优规划策略。
2022-04-01 cs.AI
EDMP: Ensemble-of-costs-guided Diffusion for Motion Planning
Robotic Research Center（机器人研究中心）；IIIT Hyderabad（印度信息技术研究所海得拉巴分校）；Massachusetts Institute of Technology（麻省理工学院）；University of Tartu（塔尔图大学）
EDMP结合经典与深度学习运动规划，利用成本集成引导扩散生成有效轨迹，显著提升成功率并保持泛化能力。
2023-09-20 cs.AI cs.LG cs.RO
Dynamic Buffers: Cost-Efficient Planning for Tabletop Rearrangement with Stacking
Human and Robot Interaction Laboratory, School of Electrical and Computer Engineering, University of Tehran（人类与机器人交互实验室，电气与计算机工程学院，塔里班大学）
针对桌面整理中固定缓冲与静态堆叠导致的低效问题，提出 Dynamic Buffer 可移动临时堆叠规划原语，显著降低密集和大规模场景的机械臂移动成本。
2026-09-29 cs.AI cs.RO
Resource-rational Task Decomposition to Minimize Planning Costs
Princeton Neuroscience Institute, Princeton University（普林斯顿大学普林斯顿神经科学研究所）；Department of Psychology, Princeton University（普林斯顿大学心理学系）
人们经常按等级进行计划。也就是说，他们不是在任务的整体表示上进行计划，而是将任务分解为更简单的子任务，然后计划完成这些任务。虽然很多工作都在探索人们如何分解任务，但很少有人分析人们为什么要这样分解任务。在这里，我们解决这个问题，正式任务分解作为一个资源合理的表示问题。具体来说，我们建议人们分解任务的方式，有利于有效地利用有限的认知资源的结构的环境和自己的规划算法。使用这个模型，我们复制了几个现有的发现。我们的帐户提供了一个规范的解释，人们如何识别子任务，以及一个框架，研究人们如何使用资源理性的表示推理，计划和行动。
2020-07-27 cs.AI cs.LG
A User Study on Contrastive Explanations for Multi-Effector Temporal Planning with Non-Stationary Costs
University of Bristol（布里斯托尔大学）
本文针对智能家居多执行器时序规划问题，设计自定义规划器并采用反事实解释，通过128人用户研究证明其能提升用户满意度、理解度和对AI推荐方案的帮助性评价。
2024-09-20 cs.AI cs.HC cs.LG
Planning for Risk-Aversion and Expected Value in MDPs
University of Oxford（牛津大学）
马尔可夫决策过程（MDP）中的规划通常会优化预期成本。然而，优化期望没有考虑对于MDP的任何给定运行，收到的总成本可能高得不可接受的风险。另一种方法是找到一个优化风险规避目标的政策，如条件风险价值（CVaR）。然而，单独优化CVaR可能会导致预期的不良表现。在这项工作中，我们首先表明，可以有多个政策，获得最佳的CVaR。这促使我们提出了一个字典的方法，最大限度地减少了预期成本的约束，总成本的CVaR是最佳的。我们提出了一个算法，这个问题，并评估我们的方法上的四个域。我们的研究结果表明，我们的字典法提高了预期的成本相比，最先进的算法，同时实现了最佳的CVaR。
2022-03-10 cs.AI cs.SY eess.SY
Integrating Task-Motion Planning with Reinforcement Learning for Robust Decision Making in Mobile Robots
UT-Austin（德克萨斯大学奥斯汀分校）；Maana Inc.（Maana公司）；SUNY-Binghamton（纽约州立大学宾汉姆顿分校）
任务-运动规划（TMP）解决了在离散空间中有效地生成可执行的和低成本的任务规划的问题，使得（初始未知的）动作成本由相应连续空间中的运动规划确定。然而，任务运动计划可能对意外的领域不确定性和变化敏感，导致次优行为或执行失败。本文提出了一个新的框架TMP-RL，它是TMP和强化学习（RL）的集成，从执行经验出发，解决动态和不确定域中的鲁棒任务-运动规划问题。TMP-RL具有两个嵌套的规划学习循环。在内部TMP循环中，机器人通过在离散空间中迭代规划并更新由运动规划器在连续空间中评估的相关动作成本来生成低成本、可行的任务运动规划。在外部循环中，执行计划，机器人通过无模型RL从执行经验中学习，以进一步改进其任务运动计划。外部循环中的RL对当前域更准确，但也更昂贵，并且使用成本更低的任务和运动规划导致在现实世界中学习的跳跃式启动。我们的方法进行评估的移动服务机器人在办公区进行导航任务。结果表明，TMP-RL方法显着提高了适应性和鲁棒性（与TMP方法相比），并导致快速收敛（与任务规划（TP）-RL方法相比）。我们还表明，TMP-RL可以重用学习的值，以便在长期部署过程中顺利适应新的场景。
2018-11-21 cs.AI cs.LG cs.RO
Imitative Planning using Conditional Normalizing Flow
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Aurora Innovation（奥罗拉创新公司）
在自动驾驶车辆的动态城市场景中规划轨迹的一种流行方法是依赖于明确指定和手工制作的成本函数，再加上轨迹空间中的随机采样，以找到最小成本轨迹。这种方法需要大量的样本来找到低成本的轨迹，并且在给定规划时间预算的情况下，可能最终得到高度次优的轨迹。我们探讨了规范化流的应用，以提高自动驾驶车辆（AV）的轨迹规划的性能。我们的关键见解是在专家轨迹的低维潜在空间中学习采样策略，从中选择最佳样本进行执行。通过将轨迹规划器的成本流形建模为能量函数，我们从AV控制空间上的玻尔兹曼分布之前学习场景条件映射。最后，我们证明了我们的方法在真实世界的数据集IL和手工构造的轨迹采样技术的有效性。
2022-10-13 cs.AI cs.LG cs.RO
SCOPE-AD: Sequential cost-aware ordinal-belief planning with energy-based models for diagnostic agents
University of Bristol（布里斯托大学）；Imperial College London（帝国理工学院）；Manchester Metropolitan University（曼彻斯特城市大学）；Hunan Normal University（湖南师范大学）
针对阿尔茨海默病诊断，提出SCOPE-AD方法，通过序数信念规划与能量模型实现成本感知的序贯测试选择，在ADNI上以更低成本超越基线，验证选择性获取的有效性。
2026-10-02 cs.AI cs.CL
Adversarial Plannning
Pennsylvania State University（宾夕法尼亚州立大学）；Army Research Laboratory（美国陆军研究实验室）
规划算法在计算系统中用于指导自主行为。例如，在规范应用中，自动驾驶车辆的规划用于自动化针对性能、资源管理或功能目标（例如，到达目的地、管理燃料消耗）。现有的规划算法假设非对抗性设置;基于可用的环境信息（即，输入实例）。然而，目前还不清楚这些算法在面对试图阻挠计划者的对手时将如何表现。在本文中，我们探讨了网络和网络物理系统中使用的规划算法的安全性。我们提出了两种$\textit{adversarial planning}$算法--一种是静态的，一种是自适应的--它们会扰动输入规划实例以最大化成本（通常是实质上的）。我们评估了算法对商业应用中使用的两种主要规划算法（D * Lite和Fast Downward）的性能，并表明两者都容易受到极其有限的对抗行为的影响。在这里，实验表明，对手能够通过仅从动作空间（D * Lite）中删除单个动作来增加66.9%的实例的计划成本，并且通过仅删除三个动作（快进）来使国际规划竞赛中70%的实例无法解决。最后，我们发现，在任何搜索为基础的规划系统中找到一个最佳的扰动是NP难的。
2022-05-01 cs.AI cs.CR
Courteous Anticipation: Improving Long-Lived Task Planning in Persistent Shared Environments
George Mason University（乔治梅森大学）
研究共享持久环境中机器人任务规划问题，提出礼貌预期规划方法，基于模型规划器联合最小化即时成本与预期未来成本，经独立估计器估计，在家庭和餐厅环境实验中相比其他规划降低了任务序列总成本。
2026-07-23 cs.AI cs.RO
Optimal Path Planning and Cost Minimization for a Drone Delivery System Via Model Predictive Control
College of Interdisciplinary Studies, Zayed University（扎耶德大学跨学科研究学院）；College of Engineering, The Hashemite University（哈希米特大学工程学院）
本研究将无人机配送问题建模为控制问题，采用模型预测控制（MPC）求解，并与三种多智能体强化学习方法对比，结果表明MPC能更快求解且需更少无人机实现成本最小化和最优路径规划。
2025-03-25 cs.AI cs.MA
C-MCTS: Safe Planning with Monte Carlo Tree Search
FAU Erlangen-Nürnberg（埃尔朗根-纽伦堡大学）；Fraunhofer Institute for Integrated Circuits (IIS)（弗劳恩霍夫集成电路研究所）
本文提出 C-MCTS，利用离线时序差分训练的安全评论家在 MCTS 中剪枝不安全轨迹，从而在满足成本约束的同时提升奖励、规划效率与模型失配下的安全性。
2024-10-27 cs.AI cs.LG
Bounded Planning in Passive POMDPs
The Hebrew University（希伯来大学）
在被动POMDPs中，行为不会影响世界状态，但仍然会产生成本。当智能体受到信息处理约束的约束时，它只能保持信念的近似值。我们提出了一个变分原理的问题，保持的信息，这是最有用的成本最小化，并介绍了一个有效的和简单的算法，找到一个最佳的。
2012-06-27 cs.AI cs.LG stat.ML
Predicting Autonomous Vehicle Collision Injury Severity Levels for Ethical Decision Making and Path Planning
Aston University（阿斯顿大学）；University of Wolverhampton（伍尔弗汉普顿大学）
自动驾驶汽车（AV）的发展正在迅速推进，并将在未来20年内成为我们社会的核心部分。然而，特别是在部署的早期阶段，预计会发生涉及无人驾驶汽车的事件。如果发生AV事件，则需要做出需要道德决策的决策，例如，决定是撞上一群行人还是撞上坚硬的障碍物。对于AV进行这样的道德决策和路径规划，将需要在AV上实时使用的情况的模拟模型。这些模型将使路径规划和道德决策的基础上进行预定的碰撞伤害严重程度。在这项研究中，模型开发的路径规划和道德决策，预先确定的知识，有关可能的碰撞伤害的严重程度，即，AV碰撞到刚性障碍物的峰值变形或AV碰撞到行人的冲击速度。基于这样的知识，并使用模糊逻辑，一个新的非线性加权效用代价函数的碰撞伤害严重程度的发展。这允许通过具有共同结构的加权效用代价函数来分别检查由AV峰值变形和AV行人碰撞速度引起的基于模型的预测碰撞结果。加权效用成本函数的一般形式利用模糊集方法，从而允许对来自两个单独效用代价函数的共同效用成本进行有意义的比较。一个决策算法，利用功利主义的道德方法，确保自动驾驶汽车将始终转向代表最低伤害严重程度的路径，因此对社会的效用成本。
2022-12-16 cs.AI cs.SY eess.SY
HYPE: Hybrid Planning with Ego Proposal-Conditioned Predictions
Mercedes-Benz AG, Research & Development（梅赛德斯-奔驰集团，研发部）；Karlsruhe Institute of Technology, ITIV（卡尔斯鲁厄理工学院，ITIV）；University of Tübingen（图宾根大学）
HYPE是一种混合规划器，利用学习到的多模态轨迹提议作为MCTS细化的启发式先验，并通过自我条件占用预测建模双向交互，简化代价函数设计，在nuPlan和DeepUrban基准上达到最先进的性能。
2025-10-23 cs.AI cs.LG cs.RO
Risk-Averse Stochastic Shortest Path Planning
California Institute of Technology（加州理工学院）
我们考虑MDP中的随机最短路径规划问题，即，设计策略以确保以最小的累积成本从给定的初始状态到达目标状态的问题。为了说明罕见的，但重要的实现系统，我们认为嵌套的动态一致的风险总成本功能，而不是传统的风险中性总期望成本。在一些假设下，我们表明，最佳的，平稳的，马尔可夫政策存在，并可以通过一个特殊的贝尔曼方程。我们提出了一个计算技术的基础上的差异凸规划（DCP），以找到相关的价值函数，因此风险规避政策。漫游导航MDP是用来说明所提出的方法与条件风险价值（CVaR）和熵风险价值（EVaR）的一致性风险措施。
2021-03-26 cs.AI cs.SY eess.SY
Perceive, Predict, and Plan: Safe Motion Planning Through Interpretable Semantic Representations
Uber ATG（Uber 先进技术集团）；University of Toronto（多伦多大学）
在本文中，我们提出了一种新型的端到端可学习网络，该网络可以为自动驾驶车辆执行联合感知，预测和运动规划，并产生可解释的中间表示。与现有的神经运动规划器不同，我们的运动规划成本与我们的感知和预测估计一致。这是通过一种新颖的可区分的语义占用表示来实现的，该表示被明确地用作运动规划过程的成本。我们的网络是从人类演示中端到端学习的。在大规模手动驾驶数据集和闭环仿真中的实验表明，该模型在模仿人类行为的同时产生更安全的轨迹，显着优于最先进的规划器。
2020-08-13 cs.AI cs.CV cs.LG
