3.2 规划

3.2 规划

本节摘要：规划是根据当前状态、行动集合、世界模型与目标，搜索一条行动序列，使得到达目标且代价可接受。要素是状态、行动、目标、转移模型、代价。确定与随机、离线与在线、分层与平坦，决定搜索器看到的问题形态。规划吃的是第 2 章的模型；模型错，计划会精确地失败。执行时通常只落地第一步，再根据新观测重规划。

读前必看

阅读完本节，你应当能够：

1. 列出规划问题的五要素，并指出缺模型时规划会退化成什么
2. 按确定性、是否在线、是否分层给一个任务选型
3. 解释为何「算出完整序列再执行」在动态环境里会过期
4. 说明分层规划如何把 3.1 的目标层次变成搜索层次

规划是在模型里预演序列

去开会要选路、留缓冲——人做的就是规划。智能体这边，SOURCE 把要素写成状态、行动、目标、模型、代价。缺模型就无法预演，只能走 3.3 的一步选择或靠学习撞。缺代价则只能找任意可行，往往走出荒唐绕路。缺目标则搜索没有终止。五要素是问题定义，不是算法名。A 星、MCTS、任务网络，都是在这份定义上换搜索策略。

确定性规划假设行动后继唯一，适合棋盘与多数符号装配。随机规划承认后继是分布，计划必须在分支上仍能到达。离线规划在开跑前算完整序列，适合静态、算得起的场景。在线规划边走边算，适合动态与模型不准。分层把「出库」拆成「取托盘、行驶、插入」，每层有自己的行动粒度。非分层在平坦行动上直接搜，任务一长组合爆炸。

定义 规划问题:
    S 状态空间     来自认知的状态清单
    A 行动集合     执行器能做的事
    T 转移         世界模型
    G 目标条件     来自 3.1
    C 代价         时间、能量、风险
求解: 一条行动序列，使沿 T 走完后 G 成立，C 可接受
​

💡 关键直觉：规划器再强，也只是世界模型的客户。客户不能比货源更懂物理。

算法只是搜索策略不同

符号规划常用前向/后向搜索、启发式。启发式来自放松问题：忽略部分约束得到的距离估计。启发式可采纳，搜索有保证；启发式乱编，搜索会偏。连续控制里「规划」常变成轨迹优化：在状态轨迹上最小化代价并满足约束。游戏与大行动空间里，蒙特卡洛树搜索用采样估计行动价值，它横跨规划与 3.3 的价值选择。名称不重要，问三问：有没有显式模型？搜的是序列还是一步？如何处理随机与时间限制？

SOURCE 把离线例子写成自动驾驶预先规划路线。更准确的工程图是：全局路线可以离线，局部避障必须在线。两层对应分层：高层用路网模型，低层用车辆动态模型。模型粒度随层变化，这是分层真正的好处，不是图画得好看。

计划过期与执行接口

动态环境里，完整序列是易碎品。行人一迈步，第三步以后全废。标准做法：规划频率与感知频率对齐，每次只执行当前最优的第一步，同时保留未执行尾部当热启动。若执行器有延迟，计划里还要含「现在发出的指令，对应的是未来哪一时刻的状态」——这又把世界模型的时间对齐提上桌。

⚠️ 常见坑：在仿真里开环执行整条序列就成功，上真机仍开环。真机上的 T 与仿真 T 不一致，从第二步开始误差累积。

代价函数是 3.1 效用在路径上的展开。只写路径长度，会贴着障碍擦过；加上风险项，路径会主动留空。风险项若用状态里的置信，3.4 与 2.4 就接上了：不确定高的区域代价变高，规划自动绕开认知看不清的地方。这比事后加一堆 if 更干净。

没有世界模型时，不要假装在做规划。有人把大模型生成的步骤清单叫计划，却没有 T 来检查下一步是否可行。那是行动选择的一种启发式，应放进 3.3，并准备随时被真观测打脸。真规划必须能问：「若执行这条序列，模型是否认为 G 会成立？」答不出这个问题，就还没有规划器。

启发式从哪来，失败时怎么办

A 星一类搜索的启发式若来自放松问题，例如忽略动态障碍的静态最短路，它可采纳、偏乐观，搜索仍有保证。若启发式来自学习网络，保证消失，速度可能上升。两者可以叠：网络提供排序，可采纳启发式提供上界剪枝。声明来源，调试才知道「搜偏了」该怪网络还是该怪放松过度。

分层任务网络把 3.1 的目标层次变成方法：出库 → 取货、行驶、插入。方法展开失败时，应回退到上一层换方法，而不是在底层技能里死磕。死磕是把层次又压平。回退日志是规划可解释性的来源：为何放弃左通道、改走右通道。没有回退，只剩一条最终路径，问责只能猜。

确定性规划在略微随机的真机上，应用闭环重规划补，而不是一上来换随机规划器。随机规划贵，且需要 T 的分布估计。分布估计比均值估计更吃数据。能用重规划解决的，先重规划。只有行动后果多峰、一步走错不可逆时，才值得在根上算期望树。不可逆再次指向 3.1 的避免目标：那些行动应从合法集剔除，而不是靠期望里的小概率安慰。

代价里加「不确定区域」项，是把 2.4 的置信接进来。看不清的格子更贵，路径自动留空。这比事后加 if 干净。但置信若被虚高（同源证据加倍），代价会被骗，规划会穿过其实看不清的区域。所以规划质量仍受认知诚实约束。3.2 改变不了 2.1 的撒谎，只能选择信或不信。

图：规划五要素与在线只取第一步

本节检查清单

五要素缺哪块？缺 T 还自称规划吗？动态环境是否只执行第一步并重规划？超时返回空还是返回默认？启发式来源是放松问题还是网络，失败该怪谁写清了吗？分层失败会不会在底层死磕而不回退？打断日志在不在，能否解释改道？不确定区域有没有进代价？开环整段执行有没有从仿真直接搬到真机？不可逆行动是进期望还是先踢出合法集？规划器再强也只是模型的客户——这句话能否对着一次失败说出来，并指出是 T 错还是状态错？说不出来，3.2 还停在算法名词。名词不执行第一步，执行器才执行。执行器咬到的那一口，才是规划与世界的交点。

开环成功不是真机许可

仿真里开环走完十二条，真机第二条就擦货架。原因通常是 T 与真机不一致，误差从第二步累积。许可应是：仿真也改成闭环重规划再对比，真机默认只咬第一口。第一口咬完用新观测重算。重算超时走 5.1 默认。默认不是规划失败的耻辱，是动态环境的合同。合同写清，3.2 才不是「在脑子里走完全程」的幻想。幻想在棋盘上成立，因为棋的 T 完美。仓库的 T 不完美。不完美就短视加闭环。短视加闭环看起来没那么「运筹帷幄」。帷幄在过期计划里是事故。事故预防是只执行第一步。第一步是规划与执行器的唯一合法接头。接头以外的序列留作热启动，不直接下发。不直接下发要在接口里写死。写死比换更强搜索重要。更强搜索会把错误 T 上的路径找得更「最优」。更最优更擦架。擦架不是搜索不够。不够的是对 T 的谦虚。谦虚写成在线。在线是本节的默认。默认可被静态环境改成离线。改要声明环境轴。轴在 1.2。1.2 允许简单时，3.2 也允许离线。不允许时，离线是偷懒。偷懒在真机上从第二步开始还债。还债用碰撞。碰撞太贵。贵之前改接口。接口只咬一口。一口一口才是规划活在循环里。活在循环里的规划才是决策，而不是一次离线作文。作文可以很长。长计划在动态里是易碎品。易碎品不要整段执行。整段执行是本节最常见的仿真到真机陷阱。陷阱用这一条实验拆：同一 T 误差，开环与闭环的擦架次数。次数差就是在线的价值。价值可测。可测才不用靠「运筹」这种词。词不挡货架。闭环挡。挡了，3.2 过关。过关后才配谈启发式来源。来源再漂亮，也要在闭环里跑。跑不过的启发式，不是规划器的荣耀。荣耀是少擦架。少擦架来自谦虚的接口。接口是第一步。第一步是本节要钉的钉子。钉子钉在执行器前。执行器前只许当前步。当前步以外，留给下一拍的重规划。下一拍会有新观测。新观测是真世界。真世界比模型新。新的当锚。锚住了，模型误差才不会走完十二条。走不完是福。福来自闭环。闭环是规划的伦理。伦理很土：别把幻想一次下发。下发一口。一口一口，才配叫运筹。运筹在循环里。循环在第 1 章。第 3 章不另造一个能预知全程的神。神不存在于仓库。仓库只有一口一口。一口一口写进接口。接口测试加一条：禁止下发长度大于一的开环指令，除非环境声明静态且 T 已校准。声明要签字。签字是选型合同。合同在 5.1 也会要。两章接头。接头很多。很多是因为规划活在系统里，不活在课件的完美图上。完美图可以画十二条。真机只许可一口。一口是本节的毕业标准。

核心回顾

• 五要素：状态、行动、目标、转移、代价，缺一则问题没定义完
• 规划是模型的客户：T 错则计划精确失败
• 在线默认：动态环境只执行第一步并重规划
• 分层对粒度：高层路网、低层动态，模型随层变
• 代价含风险：用置信抬高看不清区域的代价
• 无 T 不叫规划：步骤清单只是启发式行动选择

下一节讨论不搜完整序列时，当前这一步如何选。