Neuer Ansatz für Generalisierte Planung: Zielregression liefert optimale Pläne

Ein neuer Beitrag auf arXiv präsentiert einen einfachen, aber wirkungsvollen Ansatz für die Generalisierte Planung (GP). Dabei werden aus einer Trainingsmenge von Problemen zunächst optimale Pläne für einzelne Zielatome berechnet. Anschließend wird auf diese Pläne Zielregression angewendet und die Ergebnisse in erste‑Ordnung‑Regeln überführt, die die Form Condition → Actions besitzen.

Die resultierenden Regeln bilden einen Generalisierten Plan, der entweder direkt ausgeführt werden kann oder als Pruning‑Axiom genutzt wird, um den Suchraum bei der Planung zu verkleinern. Die Autoren formalisierten die Bedingungen, unter denen dieser Ansatz garantiert gültige Generalisierte Pläne und Suchpruning‑Axiome liefert, und belegten diese mit Beweisen.

In umfangreichen Experimenten über klassische und numerische Planungsdomänen zeigte sich, dass der neue Ansatz die führenden GP‑Planner in allen drei Kernmetriken – Synthesekosten, Planungsabdeckung und Lösungsqualität – deutlich übertrifft. Damit eröffnet die Methode einen vielversprechenden Weg, komplexe Planungsaufgaben effizienter zu lösen.