符号规划

用逻辑符号描述状态和动作的前提与效果，搜索出达成目标的动作序列。

符号规划把世界抽象成一组逻辑命题，如 (on cup table)、(handempty)，把每个动作写成「前提条件 + 效果（新增、删除哪些事实）」，再从初始状态搜索一串动作，使目标命题全部成立。源头是 SRI 的 Fikes 与 Nilsson 1971 年为 Shakey 机器人开发的 STRIPS，今天通用的描述语言 PDDL 建立在它之上，求解常用带启发式的状态空间搜索。经典规划假设初始状态已知、动作结果确定，所以结果可验证、可解释；但感知到的物体如何变成符号、符号动作如何落到连续运动上，要靠任务与运动规划另行处理。大模型时代出现了让 LLM 把自然语言译成 PDDL、再交给经典规划器求解的做法，如 LLM+P（2023）。

例子PDDL 里的「拿起」动作可写成：参数 ?o（物体）、?l（位置）；前提 (at robot ?l)、(on ?o ?l)、(handempty)；效果新增 (holding ?o)，删除 (on ?o ?l) 和 (handempty)。规划器据此自动排出「走到桌边→拿起杯子→走到水槽→放下」这样的顺序。

也叫

经典规划、STRIPS、Classical planning、自动规划

相关

规划领域定义语言、任务规划、任务与运动规划、分层任务网络、大模型任务规划、PDDLStream

来源

Stanford Research Institute Problem Solver (STRIPS) - Wikipedia
Automated planning and scheduling - Wikipedia（经典规划的假设与求解方法）
LLM+P: Empowering Large Language Models with Optimal Planning Proficiency (arXiv 2304.11477)