面向行程规划优化应用的Agentic AI

智能车辆的行程规划日益要求选择最优路线，而不仅是产出可行的行程安排，因为行驶时间、能耗和交通状况等相互作用的因素直接影响规划质量。然而，现有系统大多面向可行性导向的规划设计，且当前基准只提供参考答案而无真实最优解，无法客观评估优化性能。在本文中，我们用一个agentic AI框架来解决这些局限，该框架通过一个编排agent协调负责交通、充电和兴趣点的专用agent，实现动态精化；同时还提出Trip-planning Optimization Problems Dataset，它提供确定性的最优解和类别级任务结构，用于细粒度分析。实验表明，我们的系统在TOP Benchmark上达到77.4%的准确率，显著优于单agent和基于工作流的多agent基线，证明了编排式agentic推理对稳健行程规划优化的重要性。