🚀 从"知道"到"做到"的关键一跃
回顾第10章 ：
我们给了AI一座精心搭建的知识大厦 ------
它知道"猫是动物"、"北京是首都"、"下雨要打伞"。
但新问题来了：
知道"饿了要吃饭"，不代表知道：
1. 先打开冰箱
2. 拿出鸡蛋和番茄
3. 开火倒油
4. 先炒蛋还是先炒番茄？
5. 什么时候放盐？
...这就是规划（Planning）要解决的：
给智能体一张从"当前状态"到"目标状态"的"行动路线图"。
生活比喻：
- 导航软件：从"Arad到Bucharest"的最佳路径
- 菜谱：从"生食材"到"红烧肉"的步骤序列
- 项目计划：从"想法"到"上线"的里程碑
一、经典规划：当世界"完全听话"时
🎯 经典规划的定义
四个关键假设（理想实验室环境）：
1. 完全可观测：智能体知道世界的全部状态
2. 确定性：每个动作的效果100%确定
3. 静态环境：智能体行动时，世界不会自己改变
4. 离散时间：动作一个一个执行，没有"同时发生"
简言之："上帝视角 + 确定因果 + 回合制"🔍 三个经典"练习题"
1. 航空货物运输（复杂版"快递调度"）
初始状态：
货物C1在北京机场，目的地上海
货物C2在上海机场，目的地广州
飞机P1在北京，P2在上海
目标状态：
C1在上海，C2在广州
动作类型：
Load(货物, 飞机, 机场)：装货
Unload(货物, 飞机, 机场)：卸货
Fly(飞机, 从机场, 到机场)：飞行
规划任务：
找到一个动作序列，用最少航班完成运输2. 备用轮胎问题（汽车版"华容道"）
初始状态：
车上有4个好轮胎，后备箱有1个备用胎
右后轮坏了（Flattire）
目标状态：
坏胎被换下，备用胎装上
动作：
Remove(轮胎, 轮轴)：拆下轮胎
PutOn(轮胎, 轮轴)：装上轮胎
约束：一次只能拆/装一个轮胎，需要千斤顶
看似简单，但动作有顺序依赖！
错误顺序：拆了坏胎→发现千斤顶被占→车倒了...3. 积木世界（AI界的"Hello World"）
经典程度 ≈ 编程里的"打印Hello World"
初始： 目标：
[C] [A]
[B] → [B]
[A] [C]
（堆成塔）
动作：
Move(x, From, To):
- 前提：x顶部为空，From顶部是x，To顶部为空
- 效果：x从From移到To
看似简单，但搜索空间巨大！
3个积木：约13种状态
10个积木：状态数比宇宙原子还多...📝 规划的形式化定义
一个规划问题 = 一个五元组 ⟨S, A, γ, s₀, G⟩
S：所有可能状态的集合
A：所有可能动作的集合
γ(s,a) → s'：转移函数（在状态s做动作a，到状态s'）
s₀：初始状态
G ⊆ S：目标状态集合
规划解：一个动作序列 [a₁, a₂, ..., aₙ]
使得 γ(...γ(γ(s₀, a₁), a₂)..., aₙ) ∈ G二、经典规划算法：不同的"寻路策略"
🧭 搜索空间的两种视角
状态空间像一张"地图"：
- 节点 = 状态（如"积木A在桌上，B在A上"）
- 边 = 动作（Move(B, From=A, To=Table)）
- 起点 = 初始状态
- 终点 = 目标状态🔍 算法1：前向状态空间搜索（"摸着石头过河"）
策略：从初始状态出发，尝试所有可能的动作，
一步步向前探索，直到撞上目标。
过程：
当前状态 = 初始状态
循环：
列出所有可行动作
选一个执行，到达新状态
检查是否到达目标
没到就继续...
像：走进迷宫，每个岔路口都试试优点 ：直观，保证找到解（如果存在）
缺点：效率低下！可能探索大量无关状态
想象找书：
从书房门口开始，检查每个角落、每本书...
而目标书可能就在书桌上显眼处🔙 算法2：反向状态空间搜索（"从终点倒推"）
策略：从目标状态出发，问：
"要达到这个目标，上一步应该是什么状态？"
一直倒推到初始状态。
过程：
当前目标 = 最终目标
循环：
找出能到达当前目标的动作
计算执行这些动作前需要的状态（子目标）
如果子目标 = 初始状态，成功！
否则，把子目标作为新当前目标
像：解数学题"要证C，需先证B；要证B，需先证A..."优点 ：更聚焦，常比前向搜索快
缺点：复杂时，子目标可能互相冲突
"要同时拿起杯子和手机"
→ 需要两只手空闲（子目标1）
→ 但放下手中东西又会产生新目标...💡 算法3：使用布尔可满足性（SAT）规划
天才思路：把规划问题转化为"逻辑公式满足问题"
步骤：
1. 设定规划长度上限L（比如最多10步）
2. 编码：
- 对于每个时间步t（0到L），每个命题变量
- 动作前提条件、效果用逻辑公式表示
3. 提问：
"是否存在一个长度为L的动作序列，使得：
初始状态在t=0成立
目标状态在t=L成立
每个动作的前提在对应时刻满足？"
4. 扔给SAT求解器（专门解逻辑公式的引擎）
5. 如果有解，解码回动作序列比喻 ：
不是自己找路，而是把所有可能路径的约束 写成一张"超级考卷"，
交给"解题高手"（SAT求解器）去解。
优势 ：能利用高效SAT求解器，处理某些问题极快
局限：需要预设长度L，L太小可能无解，L太大会爆炸
📊 经典算法对比
| 算法 | 搜索方向 | 适合场景 | 中国式比喻 |
|---|---|---|---|
| 前向搜索 | 从起点向前推 | 目标明确，动作可逆 | 摸着石头过河 |
| 反向搜索 | 从终点倒推 | 目标状态简单，动作前提少 | 顺藤摸瓜 |
| SAT规划 | 整体约束求解 | 中等规模，有高效SAT求解器 | 让"学霸"代考 |
三、规划的启发式方法：给搜索"装导航"
🤔 为什么需要启发式？
不加引导的搜索像"无头苍蝇"：
- 前向搜索：可能离目标越来越远
- 反向搜索：可能陷入子目标循环
启发式（Heuristic）= 经验法则
给出当前状态到目标的"估计代价"
帮助算法优先探索"更有希望"的方向🎯 两种启发式思路
1. 忽略删除列表启发式（当个"乐观主义者"）
核心洞察：
动作通常有两类效果：
- 增加效果（Add Effects）：让某些命题变真
- 删除效果（Delete Effects）：让某些命题变假
"乐观估计"法：
暂时忽略所有"删除效果"！
假设动作只会添加好东西，不会破坏已有成果
计算：当前状态到目标的"最短路径长度"
（在理想化世界中）
例子：搭积木塔
真实：Move(A, Table, B)会"删除"A在桌上
乐观：假装A还在桌上可用
估计：更快搭好塔（实际上可能低估代价）文档图11-6解读 ：
底部平面是目标状态，高度代表启发式得分。 因为没有"局部极小值"（坑洼），
算法可以一路"下坡"滑到目标------搜索变得简单直接。
2. 规划图启发式（画个"进度甘特图"）
更精细的方法：构建"规划图"
- 分层表示：第0层 = 初始状态
- 动作层：可执行的动作
- 状态层：执行动作后可达的状态
- 逐层扩展，直到目标全出现
启发值 = 目标首次全部出现的层数
（"至少需要多少步"）
像：项目进度图
第1周：需求分析
第2周：设计完成
第3周：编码开始...
目标"上线"最早出现在第8周 → 启发值=8✂️ 领域无关剪枝（砍掉"死胡同分支"）
有些状态明显没希望，尽早放弃：
1. 不可达目标：
"用普通汽车到达月球"
→ 物理上不可能，一开始就剪掉
2. 互斥动作：
"同时向左转和向右转"
→ 逻辑矛盾，不探索
3. 对称状态：
积木世界：[A在B上] vs [B在A上]
在堆塔问题中是对称的，只探索一个🔄 状态抽象（"先看轮廓，再看细节"）
分层抽象思想：
1. 高层抽象：忽略细节
导航："从北京到上海"
抽象：只考虑城市间连接
2. 找到抽象解：
"北京→高铁→上海"
3. 细化：
"北京→地铁到南站→高铁→上海地铁→目的地"
像：旅行计划
先定"城市路线"
再定"市内交通"
最后"出站怎么走"四、分层规划：从"战略"到"战术"
🏛️ 高层动作（HLA）
现实动作有层次：
高层动作（战略） → 低层动作序列（战术）
--------------------- -----------------------
"去上海出差" [买票，去车站，上车...]
"开发新功能" [设计，编码，测试...]
"做番茄炒蛋" [洗番茄，打蛋，开火...]关键思想 ：
先在高层次找到"看起来可行"的动作序列，
再逐步细化，验证并实现。
🎯 可达集：HLA的"可能影响范围"
一个HLA的效果不是确定的状态，
而是一个"可达集"------所有可能到达的状态集合。
文档图11-9解读：
- 紫色：目标状态集
- (a) 执行HLA h₁后，可能到达的状态区域
- (b) 执行[h₁, h₂]序列后，可达集与目标相交
→ 这个HLA序列"可能"实现目标🔍 分层规划的搜索过程
1. 高层搜索：
只考虑HLA，找到"可能解"
[去机场，乘飞机，到酒店]
2. 细化验证：
对每个HLA，尝试用底层动作实现
"去机场" = [叫车，上车，付钱，下车]
3. 乐观 vs 悲观可达集（文档图11-10）：
- 乐观：最好的可能结果（绿色虚线）
- 悲观：最坏的可能结果（蓝色实线）
如果悲观集与目标不相交 → 需要进一步细化
如果乐观集与目标相交 → 还有希望实际比喻：
项目经理 （高层规划）：
"Q3前上线新版本"
技术负责人 （细化）：
"需要前端3周、后端4周、测试2周"
工程师 （底层实现）：
"今天写登录模块，明天联调..."
五、当世界"不听话"：非确定性规划
🌪️ 现实世界的挑战
经典规划的假设经常崩塌：
1. 非确定性：动作效果不确定
"按电梯按钮"→可能上来，可能没反应
2. 部分可观测：不知道完整状态
"房间里有猫吗？"→没看见，可能有
3. 环境动态：世界自己会变
"计划晴天外出"→突然下雨🤖 三类"非完美"规划
1. 无传感器规划（"盲人摸象"式）
条件：动作效果不确定，但执行后能感知结果
策略：设计"条件分支"规划
例子：开多个门找钥匙
规划：
尝试开门1
如果看到钥匙 → 拿钥匙（成功）
否则 → 尝试开门2
如果看到钥匙 → ...
否则 → 尝试开门3...
像：故障排除手册
"如果红灯亮，检查A；如果还亮，检查B..."2. 应变规划（"预案专家"）
更现实：执行时根据感知实时选择分支
文档图2-11到2-13的智能体模型演进：
- 反射型：感知→直接动作（条件反射）
- 基于模型：维护内部状态模型
- 基于目标：+ 目标驱动
应变规划 = 基于目标 + 感知反馈
例子：自动驾驶
主规划：直行到下一个路口
应变分支：如果突然有行人 → 刹车
如果绿灯变黄 → 决策加速或减速3. 在线规划（"走一步看一步"）
最灵活：不预先规划完整序列
每走一步，重新规划下一步
适合：
- 环境变化太快
- 搜索空间太大无法预先计算
- 目标可能动态改变
例子：实时战略游戏AI
不知道对手下一步
只能根据当前局势，决定造兵、进攻还是防守🎮 与或搜索树
非确定性规划的标准表示：
- 或节点（OR）：智能体选择动作
"我可以向左、向右或直行"
- 与节点（AND）：环境选择结果
"如果我直行，可能顺利通过，也可能撞到人"
解是一棵子树：
覆盖所有可能环境反应
每个叶子都是目标状态文档图4-10示例 ：
真空吸尘器世界，Suck动作可能：
- 干净 → 脏（意外）
- 脏 → 干净（正常）
- 脏 → 还脏（失效）
需要规划覆盖所有分支。
六、时间、调度和资源：现实世界的约束
⏰ 时间约束表示
不仅仅是动作顺序，还有：
1. 持续时间：
"煮面需要5分钟"
2. 时间窗口：
"会议必须在14:00-15:00间举行"
3. 间隔要求：
"吃药后至少2小时才能吃饭"
4. 截止时间：
"快递必须在18:00前送达"📊 资源约束
资源 = 任何有限的东西：
1. 可重用资源（工具）：
"只有一把螺丝刀，不能两人同时用"
2. 消耗性资源（材料）：
"面粉只有500g，不能做10个蛋糕"
3. 空间资源：
"会议室只能坐20人"
4. 能量资源：
"无人机电池只能飞30分钟"🧩 调度问题解决
调度 = 规划 + 时间 + 资源约束
经典问题：
"有3台机器，10个任务，
每个任务需要特定机器和时间，
任务间有先后顺序，
最小化总完成时间"
实际应用：
- 工厂生产线调度
- 航天器任务规划（NASA的EUROPA系统）
- 医院手术室排班
- 网约车订单分配（Uber、滴滴）🚀 实际案例：DART系统
1991年海湾战争，美军部署DART系统：
- 任务：调度5万人员、物资、交通工具
- 约束：起点、路线、运输能力、港口容量...
- 时间：紧急战争需求
- 结果：自动化调度成功
- DARPA评价："回报了过去30年AI投资"
证明：规划不仅是学术玩具，更是实用工具🧠 第11章思想升华
规划在AI中的位置
规划是"思考型"智能体的核心能力：
感知 → 世界模型 → 目标设定 → 规划 → 执行
连接：
- 第3-5章搜索：规划的基础技术
- 第10章知识：规划需要知识库支持
- 第12章不确定性：规划必须处理现实
- 第26章机器人：规划的物理体现经典 vs 现代规划观
符号主义经典规划：
- 优点：可解释，严谨，可验证
- 局限：需要完整模型，规模受限
现代混合方法：
1. 基于学习的规划：
- 从经验学习动作效果模型
- 用强化学习直接学策略
2. 分层深化：
- 高层用符号规划（战略）
- 底层用控制器/学习（战术）
3. 人机协作规划：
- 人类定高层目标
- AI细化并执行
- 交互修正（如文档图26-30）规划的哲学回响
有趣的历史脉络（来自文档最后补充）：
2300年前，亚里士多德在《尼各马可伦理学》中描述：
"我们考虑的不是目的，而是实现目的的手段...
如果有几种手段，他们考虑的就是哪种手段最能实现目的...
分析的终点也就是起点。"
1958年，麦卡锡提出"建议接受者"程序设想：
- 包含世界知识
- 能推理出行动计划
- 能接受新知识（无需重新编程）
→ 这正是现代规划系统的蓝图
1960年代，纽厄尔和西蒙的通用问题求解器
实现了亚里士多德的算法，称为"贪婪回归规划"🚗 规划的未来：自主智能体
从文档中的实际系统看趋势：
1. 机器人规划（图26-系列）：
- 蒙特卡罗定位：粒子滤波找位置
- 轨迹优化：平滑机械臂动作
- 人机交互：预测人类意图
2. 自动驾驶规划（图26-28）：
- 不只看当前状态
- 预测他人反应
- 考虑自身动作对环境的反作用
→ 形成"社交意识"规划
3. 终身规划：
- 不是一次性计算
- 持续学习、调整、优化
- 适应环境变化💎 本章总结
规划的本质 ：在可能性的海洋 中，找到一条通往目标岛屿 的可行航线。
好的规划不仅要知道"做什么"，还要知道"何时做"、"用何资源做"、"如果...则..."。
从亚里士多德到NASA火星车，人类一直在教机器如何"有计划地行动"。
最终目标：让AI不仅能"灵机一动"，更能"深谋远虑"。
下一章预告 ：
规划假设世界是确定的，但现实充满不确定性。
第12章，我们将进入不确定性的量化------ 教AI在"大概"、"可能"、"也许"中做出理性决策。