Kairos：跨PDDL变体的语义感知规划引擎编排
原文：Kairos: Semantics-Aware Orchestration of Planning Engines across Classical, Numeric, Temporal and Hybrid PDDL
运行时规划——如机器人在行动的同时重新规划——需要一个能够读取用户编写的 PDDL（持续动作、数值资源、时间窗口、连续变化）、快速响应并且只输出经过验证的规划的规划器。专用规划器在 PDDL 的各个片段上表现强劲，但它们在覆盖范围、延迟以及失败含义方面存在差异。我们研究是否可以从每个任务的语义出发选择异构引擎，从而在从 STRIPS 到 PDDL+ 的广泛 PDDL 覆盖范围内保持与专用规划器的竞争力，并明确每个答案所保证的内容。Kairos 对每个任务进行剖析，以决定五个引擎中哪些适用（接地启发式搜索、压缩与快照动作时序搜索、混合动力学的时间步进、提升搜索），并在统一的时间和内存预算下调度它们。每个候选规划都由独立于规划器变换的验证器检查，只有当搜索空间穷尽即构成证明的搜索耗尽其空间时才报告“不可解”。在来自九个对比套件的 1,756 个任务上，Kairos 在完整限制下解决的任务数超过每个套件中所评估的最强规划器，在数值、时序、PDDL3 和 PDDL+ 规划上差异最大，并且在 100 毫秒和 1 秒限制下也解决最多任务。按领域重采样，增益在九个套件中的六个中大于零，而在经典规划上与 LAMA 的对比处于噪声范围内。另外 450 个面向特征的任务和 26 个单特征探针表明，Kairos 处理了所探测的全部十七个特征，而所评估的其他规划器没有一个能处理超过八个。消融实验确定压缩时序搜索和新颖性回退为主要贡献因素，与 VAL 的对比将每一处分歧追溯到 PDDL+ 约定或已记录的 VAL 缺陷。规划器和基准均已开源。作者：Francisco Martín Rico, Esther Aguado González, Francisco Miguel Moreno Olivo, Rodrigo Pérez Rodríguez, José Miguel Guerrero H