规划空间规划Plan-Space Planning：对比、组成要素及算法

状态空间规划VS规划空间规划

状态空间规划：搜索空间由$\sum$直接给出，节点是领域中的状态，弧是状态转移或动作，规划是对应从初始状态到目标状态的动作序列，即从初始状态节点通过弧连接中间节点到目标状态节点的路径。

规划空间规划：搜索空间中的节点是局部具体化的规划（Partially Specified Plan），弧是规划的求精操作（Refinement Operation），目的是进一步完善部分规划，即实现未解决的目标或者消除可能的不相容。

规划空间规划基本要素

前面说到，规划空间规划目的是进一步完善部分规划，即实现未解决的目标或者消除可能的不相容。而这个完善的过程就是缺陷求精的过程。规划空间规划被看作是两个分离的阶段：

1. 选择动作（为了满足目标需要增加哪些动作？）
2. 对所选的动作进行排序，从而实现目标。（如何组织这些动作？）

基础的规划空间规划的基本要素定义如下：

缺陷（flaw）

规划$\pi =(A,\prec ,B,L)$的缺陷（flaw）是下列二者之一：

• 一个子目标，即$A$中一个没有因果链的动作的前提条件。
• 一个威胁，即一个可能通过因果链引起干扰的动作。

因果链的定义如下：

求精操作

求精操作中，应避免对部分规划增加对求精目的来说不是严格要求的约束，这种要求称作最小承诺原则（Least Commitment principle）。

规划空间的节点是部分规划，其弧对应于求精操作。从规划空间的顶点$\pi$出发的弧是把$\pi$转换为后继部分规划${\pi }^{\prime }$的求精操作。一个求精操作包括以下四个步骤之一：

• 对$A$增加一个动作。
• 对$\prec$增加一个顺序约束。
• 对$B$增加一个绑定约束。
• 对$L$增加一个因果链。

规划器的每一步都需要对当前规划解（是一个部分规划）$\pi$选择并应用一个求精操作。

部分规划

一个部分规划是一个四元组：$\pi =(A,\prec ,B,L)$，其中：

• A = { a 1 , a 2 , ⋯   , a k } A=\{a_1,a_2,\cdots,a_k\} A={a1​,a2​,⋯,ak​}是部分动作序列
• $\prec$是$A$中的顺序约束集合，具有 $(a_i\prec a_j)$的形式
• $B$是对动作$A$中的变量的绑定约束集合。比如$a_i,a_j$中描述的参数$p_i=p_j$相等。
• $L$是因果链的集合，具有形式$a_i\stackrel{l}{⟶}{a}_j$，其中$a_i$和$a_j$是$\prec$的约束，命题$l$是$a_i$的效果以及$a_j$的前提。涉及两个动作间命题$l$的参数由$B$进行绑定。

初始状态和目标状态编码

在搜索空间中，部分规划只能表达动作及其之间的关系，而对于状态的描述是不明显的。因此需要将初始状态和目标状态进行编码，将目标状态$g$中的命题表示成虚拟动作$a_{\infty }$的前提条件（该动作无执行效果），将初始状态$s$表示成一个虚拟动作$a_0$的效果（该动作无前提条件）。基于此，初始规划${\pi }_0$可定义成 { π 0 , π ∞ } \{\pi_0,\pi_{\infin}\} {π0​,π∞​}，具有顺序关系$(a_0\prec a_{\infty })$，没有绑定的参数，也没有因果链条。

规划解

如果一个部分规划$\pi =(A,\prec ,B,L)$没有缺陷，并且顺序约束$\prec$和绑定约束$B$都是相容的，则$\pi$是规划问题$P=(\sum ,s_0,g)$的解。

PSP算法 Plan-Space Planning Algorithm

主要思路是，在保持$\prec$和$B$的相容性的同时对$\pi$求精，直到$\pi$没有缺陷为止。对部分规划$\pi$向一个解规划求精的基本操作如下：

1. 找到$\pi$的缺陷，即它的子目标和威胁。
2. 选择这样的缺陷。
3. 找到方法来解决该缺陷。
4. 对这个缺陷选取一个求解器。
5. 按照求解器要求对$\pi$求精。