Robocikowo>ROBOCIKOWO
Robotyka

Planowanie zadań

1971AktywnyOpublikowano: 21 października 2026Aktualizacja: 21 października 2026Opublikowany
Planowanie zadań to generowanie sekwencji akcji wysokiego poziomu prowadzących od stanu początkowego do celu, zwykle metodami symbolicznymi (STRIPS, PDDL), hierarchicznymi (HTN) lub opartymi na LLM.
Kluczowa innowacja
Rozdzielenie decyzji „co i w jakiej kolejności zrobić, aby osiągnąć cel” od niskopoziomowego sterowania, dzięki jawnej, symbolicznej reprezentacji stanu, akcji i celu, nad którą można prowadzić automatyczne wyszukiwanie planu.
Kategoria
Robotyka
Poziom abstrakcji
Wzorzec
Poziom operacji
Sterowanie robotemŚrodowisko agentoweOrkiestracja
Zastosowania
Planowanie zadań dla robotów humanoidalnych i manipulacyjnychTask-and-motion planning (TAMP)Agenci autonomiczni i orkiestracja narzędzi LLMRobotyka mobilna i nawigacja wysokiego poziomuLogistyka i harmonogramowanie operacjiGry i rozwiązywanie problemów symbolicznych

Jak działa

1. Reprezentacja: stan świata opisuje się zbiorem predykatów/faktów, a akcje — operatorami z warunkami wstępnymi i efektami (dodawanymi i usuwanymi faktami). 2. Specyfikacja celu: cel to częściowy opis pożądanego stanu. 3. Przeszukiwanie: planer przeszukuje przestrzeń stanów (do przodu, wstecz lub w przestrzeni planów), często z heurystykami, aby znaleźć ciąg akcji prowadzący od stanu początkowego do celu. 4. Dekompozycja (HTN): zadania złożone rozkłada się rekurencyjnie na podzadania aż do akcji prymitywnych. 5. Integracja z ruchem (TAMP): plan zadaniowy jest sprawdzany pod kątem wykonalności geometrycznej przez planer ruchu; niewykonalne kroki wymuszają nawrót i replanowanie. 6. Wariant LLM: duży model językowy generuje kandydatów na kroki w języku naturalnym, a mechanizm osadzania (np. funkcje wartości umiejętności) wybiera akcje faktycznie wykonalne dla danego robota.

Rozwiązany problem

Jak automatycznie przełożyć cel wysokiego poziomu („przygotuj kawę”, „posprzątaj stół”) na konkretną, wykonalną sekwencję akcji, uwzględniając warunki wstępne, skutki działań i ograniczenia środowiska — bez ręcznego programowania każdej sytuacji. Planowanie zadań odpowiada za warstwę decyzyjną „co robić”, oddzieloną od „jak to fizycznie wykonać”.

Komponenty

Reprezentacja stanuOpisuje świat, nad którym planer wnioskuje.

Zbiór predykatów/faktów opisujących aktualny stan świata (np. at(robot, kitchen), holding(cup)).

Oficjalna

Operatory akcjiDefiniują, jakie zmiany stanu są możliwe.

Schematy akcji z warunkami wstępnymi i efektami (dodawanymi/usuwanymi faktami), np. w STRIPS/PDDL.

Oficjalna

Specyfikacja celuDefiniuje kryterium sukcesu planowania.

Częściowy opis pożądanego stanu końcowego, który plan ma osiągnąć.

Planer (algorytm wyszukiwania)Generuje plan z definicji domeny i celu.

Silnik przeszukujący przestrzeń stanów lub planów (np. z heurystykami), by znaleźć poprawny plan. Warianty: planery klasyczne, HTN, oparte na LLM.

Planowanie klasyczne (STRIPS/PDDL)Przeszukiwanie przestrzeni stanów z heurystykami.
HTNHierarchiczna dekompozycja zadań.
Planowanie oparte na LLMGenerowanie kroków planu przez model językowy.

Oficjalna

PlanWyjście planowania przekazywane do wykonania.

Wynikowa, uporządkowana sekwencja (lub częściowy porządek / polityka) akcji prowadząca do celu.

Ewolucja

Oryginalny paper · 1971 · Artificial Intelligence, 1971 (SRI International) · Richard E. Fikes
STRIPS: A New Approach to the Application of Theorem Proving to Problem Solving
Richard E. Fikes, Nils J. Nilsson
1971
STRIPS — pierwszy wpływowy planer i język akcji
Punkt przełomowy

Fikes i Nilsson w SRI International definiują STRIPS; jego język stał się podstawą większości współczesnych języków planowania.

1998
PDDL — standaryzacja języka planowania
Punkt przełomowy

Drew McDermott i współpracownicy wprowadzają PDDL na potrzeby International Planning Competition, ujednolicając opis dziedzin planowania.

PDDL — The Planning Domain Definition Language (artykuł)
2020
Integrated Task and Motion Planning (TAMP) — przegląd

Garrett i in. formalizują i porządkują metody integracji planowania zadań z planowaniem ruchu w robotyce.

Integrated Task and Motion Planning (artykuł)
2022
SayCan — planowanie zadań oparte na LLM dla robotów
Punkt przełomowy

Ahn i in. (Google) łączą wiedzę LLM z funkcjami wartości umiejętności, by generować wykonalne plany wysokiego poziomu dla robotów.

Do As I Can, Not As I Say: Grounding Language in Robotic Affordances (artykuł)

Hiperparametry (konfigurowalne osie)

Horyzont planowaniaWysoka

Jak daleko w przyszłość (ile kroków) planer wyznacza akcje.

Strategia wyszukiwaniaWysoka

Metoda przeszukiwania: do przodu / wstecz / w przestrzeni planów, z heurystyką lub bez.

Granularność akcjiŚrednia

Poziom abstrakcji operatorów — od grubych zadań po drobne akcje prymitywne.

Złożoność obliczeniowa

Złożoność czasowa: PSPACE-complete.

Wymagania sprzętowe

Podstawowe

Klasyczne i hierarchiczne planowanie to symboliczne przeszukiwanie — operacja głównie na CPU, niezależna od akceleratorów.

Możliwe

Warianty oparte na LLM wymagają GPU do inferencji modelu generującego kroki planu.