Fuzzy Planning: Zielerreichung mit graduellen semantischen Einschränkungen

In der natürlichen Sprachplanung treten häufig vage Ausdrücke wie „geeignet“ oder „stabil genug“ auf, deren Erfüllung nicht eindeutig, sondern graduell ist. Traditionelle planer, die auf Kategorientheorie basieren, prüfen jedoch nur harte, binäre Bedingungen und behandeln die Anwendbarkeit von Aktionen als klar definiert. Dadurch werden wichtige Nuancen durch Schwellenwerte verloren und die Qualität mehrstufiger Pläne kann nicht genau verfolgt werden.

Um dieses Problem zu lösen, stellt die neue Methode Fuzzy Category-Theoretic Planning (FCP) vor, dass jede Aktion mit einem Grad in [0, 1] versehen wird. Die Gesamtqualität eines Plans wird dabei mithilfe einer Lukasiewicz‑t‑Norm kombiniert, während die Ausführbarkeit weiterhin durch die klassische Pullback‑Verifikation überprüft wird. So bleibt die Struktur der Kategorientheorie erhalten, während gleichzeitig graduelle Semantik berücksichtigt wird.

FCP nutzt ein großes Sprachmodell, um die graduelle Anwendbarkeit aus Text zu extrahieren, und aggregiert die Ergebnisse über k‑Sample‑Median. Für die Suche wird ein Meeting‑in‑the‑Middle‑Ansatz mit residuum‑basierten Rückwärtsanforderungen eingesetzt, der die Effizienz bei komplexen Planungsaufgaben erhöht.

In Tests auf öffentlichen PDDL3‑Preference‑ und Oversubscription‑Benchmarks sowie auf dem neu erstellten RecipeNLG‑Subs‑Benchmark, der fehlende Ersatz‑Rezepte aus RecipeNLG, Recipe1MSubs und FoodKG kombiniert, zeigt FCP eine höhere Erfolgsrate und geringere Verletzungen harter Einschränkungen im Vergleich zu reinen LLM‑Ansätzen und ReAct‑Stilen. Gleichzeitig bleibt die Leistung mit klassischen PDDL3‑Planern vergleichbar, was FCP zu einer vielversprechenden Lösung für semantisch graduelle Planungsaufgaben macht.