Automatyczne planowanie

Przykładowy plan robota, który porusza blokami: podnieś B, połóż B na blat, podnieś C, połóż C na A

Automatyczne planowanie – dyscyplina sztucznej inteligencji, której celem jest opracowanie algorytmów umożliwiających autonomicznym systemom wybieranie i organizowanie swoich działań w celu osiągnięcia celu poprzez przewidywanie ich skutków[1].

Algorytmy planowania

Klasyczne planowanie

Przykłady klasycznego planowania[2]:

W 1994 pokazano, że klasyczne planowanie jest PSPACE-zupełne[4].

Planowanie probabilistyczne

Planowanie probabilistyczne opiera się na rachunku prawdopodobieństwa[5].

Planowanie wieloagentowe

Planowanie wieloagentowe polega na badaniu realizacji zadania przez kilku agentów, na przykład kilka robotów. Tworzenie planu i jego realizacja są wówczas często rozproszone/zdecentralizowane[6][7][8].

Automatyczne planowanie w dużych modelach językowych

Mozna wyróżnić 8 kategorii zastosowań automatycznego planowania w dużych modelach językowych[9]:

  1. Tłumaczenie języków – tłumaczenie języka naturalnego na język planowania taki jak PDDL i vice-versa[10]
  2. Generowanie planu – tworzenie planu bezpośrednio przez duży model językowy[11]
  3. Tworzenie modelu – uywanie dużego modelu do stworzenia modelu świata lub domenowego wymaganego do efektywnego planowania[12]
  4. Planowanie wielo-agentowe – skupiające się na scenariuszach integracji wielu agentów i tworzeniu planów koordynacyjnych[13]
  5. Interaktywne planowanie – Skupiająca się na scenariuszach iteratywnej pętli zwrotnej lub interaktywnej konwersacji z użytkownikiem[14]
  6. Optymalizacja heurystyczna – Optymalizująca istniejący plan z uzyciem dużych modeli językowych[15]
  7. Integracja narzędzi – skupiająca się na narzedziach do orchiestracji narzędzi[16]
  8. Planowanie inspirowane działaniem ludzkiego mózgu – skupiające się na architekturach duzych modeli językowych wzorujących się na procesach neurologicznych i kognitywnych[17]

Linki zewnętrzne

Przypisy

  1. ↑ Automated Planning: Theory and Practice [online], projects.laas.fr [dostęp 2025-05-05].
  2. ↑ Lecture slides [online], www.cs.umd.edu [dostęp 2025-05-05].
  3. ↑ Blai Bonet, Héctor Geffner, Planning as heuristic search, „Artificial Intelligence”, 129 (1), 2001, s. 5–33, DOI: 10.1016/S0004-3702(01)00108-4, ISSN 0004-3702 [dostęp 2025-05-05].
  4. ↑ Tom Bylander, The computational complexity of propositional STRIPS planning, „Artificial Intelligence”, 69 (1), 1994, s. 165–204, DOI: 10.1016/0004-3702(94)90081-7, ISSN 0004-3702 [dostęp 2025-05-05].
  5. ↑ Nicholas Kushmerick, Steve Hanks, Daniel S. Weld, An algorithm for probabilistic planning, „Artificial Intelligence”, 76 (1), Planning and Scheduling, 1995, s. 239–286, DOI: 10.1016/0004-3702(94)00087-H, ISSN 0004-3702 [dostęp 2025-05-05].
  6. ↑ Edmund H. Durfee, Distributed Problem Solving and Planning, Michael Luck i inni red., Berlin, Heidelberg: Springer, 2001, s. 118–149, DOI: 10.1007/3-540-47745-4_6, ISBN 978-3-540-47745-7 [dostęp 2025-05-05] (ang.).
  7. ↑ Marie E. desJardins i inni, A Survey of Research in Distributed, Continual Planning, „AI Magazine”, 20 (4), 1999, s. 13–13, DOI: 10.1609/aimag.v20i4.1475, ISSN 2371-9621 [dostęp 2025-05-05] (ang.).
  8. ↑ M. Tambe, Towards Flexible Teamwork, „Journal of Artificial Intelligence Research”, 7, 1997, s. 83–124, DOI: 10.1613/jair.433, ISSN 1076-9757 [dostęp 2025-05-05] (ang.).
  9. ↑ Vishal Pallagani i inni, On the Prospects of Incorporating Large Language Models (LLMs) in Automated Planning and Scheduling (APS), „Proceedings of the International Conference on Automated Planning and Scheduling”, 34, 2024, s. 432–444, DOI: 10.1609/icaps.v34i1.31503, ISSN 2334-0843 [dostęp 2025-05-05] (ang.).
  10. ↑ Lionel Wong i inni, From Word Models to World Models: Translating from Natural Language to the Probabilistic Language of Thought, arXiv, 23 czerwca 2023, DOI: 10.48550/arXiv.2306.12672 [dostęp 2025-05-05].
  11. ↑ Pierre Sermanet i inni, RoboVQA: Multimodal Long-Horizon Reasoning for Robotics, arXiv, 1 listopada 2023, DOI: 10.48550/arXiv.2311.00899 [dostęp 2025-05-05].
  12. ↑ Kolby Nottingham i inni, Do Embodied Agents Dream of Pixelated Sheep: Embodied Decision Making using Language Guided World Modelling, arXiv, 27 kwietnia 2023, DOI: 10.48550/arXiv.2301.12050 [dostęp 2025-05-05].
  13. ↑ Hongxin Zhang i inni, Building Cooperative Embodied Agents Modularly with Large Language Models, arXiv, 17 lutego 2024, DOI: 10.48550/arXiv.2307.02485 [dostęp 2025-05-05].
  14. ↑ Daman Arora, Subbarao Kambhampati, Learning and Leveraging Verifiers to Improve Planning Capabilities of Pre-trained Language Models, arXiv, 26 maja 2023, DOI: 10.48550/arXiv.2305.17077 [dostęp 2025-05-05].
  15. ↑ Rishi Hazra, Pedro Zuidberg Dos Martires, Luc De Raedt, SayCanPay: Heuristic Planning with Large Language Models using Learnable Domain Knowledge, arXiv, 2024, DOI: 10.48550/arXiv.2308.12682 [dostęp 2025-05-05].
  16. ↑ Binfeng Xu i inni, Gentopia: A Collaborative Platform for Tool-Augmented LLMs, arXiv, 8 sierpnia 2023, DOI: 10.48550/arXiv.2308.04030 [dostęp 2025-05-05].
  17. ↑ Taylor Webb, Shanka Subhra Mondal, Ida Momennejad, Improving Planning with Large Language Models: A Modular Agentic Architecture, arXiv, 3 października 2024, DOI: 10.48550/arXiv.2310.00194 [dostęp 2025-05-05].
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.