通过自动形式化实现稳健的异步规划

LLM 可以通过直接作为规划器生成动作序列或将任务转换为域特定语言以供外部求解器作为形式化器来进行规划。虽然大多数现实世界的任务都是异步的，且持续时间、并发性和执行时间约束不一致，但现有的基准测试几乎无法涵盖它们。我们将这些异步规划挑战统一在一个公式中，并引入了前三个基准来大规模解决每个挑战。我们得出的结论是，形式表示的选择主要决定规划是否可扩展：随着依赖图从 5 个操作增长到 100 个操作，Planner 的计划准确度从 96% 下降到 5%，PDDL2.1 Formalizer 从 13% 下降到 0%，而 CP-SAT Formalizer 的平均准确度为 94%，在 100 个操作时仍达到 83%。 忠实性 诊断表明，当 LLM 必须保持谓词、效果和目标一致时，与一般约束满足程序相比，PDDL2.1 基于谓词的规划表示变得脆弱。计划约束的执行时更新进一步大幅降低性能（Planner 23.9%，PDDL2.1 0.7%，CP-SAT 46.1%），但仅更新事件引发的约束的状态感知修复策略将 CP-SAT Formalizer 恢复到 84.5%。