面向查询高效验证式规划的主动认知控制

在部分可观测的交互环境中进行规划颇具挑战：任务关键的前提条件（如物体位置或容器状态）在决策时可能未知，而通过交互落实它们代价高昂。学习得到的世界模型能低成本预测缺失事实，但预测错误可能悄然引发不可行的承诺。我们提出主动认知控制（Active Epistemic Control, AEC），一个把基于模型的信念管理与范畴式可行性检查相结合的认知范畴规划层。AEC严格区分用于承诺的grounded fact store（已落实事实库）与仅用于剪枝候选计划的belief store（信念库）。在每一步，当不确定性高或预测含糊时，它查询环境以落实未解决的谓词；当置信度足够时，则模拟该谓词以筛选假设。最终承诺由已落实前提覆盖率与SQ-BCP拉回式兼容性检查把关，因此模拟出的信念只影响效率，而不能直接认证可行性。在ALFWorld和ScienceWorld上的实验表明，AEC以比强LLM智能体基线更少的重规划轮数取得有竞争力的成功率。