平台感知任务规划

自主系统的规划通常需要在不同的抽象层级上对模型进行推理，并协调两组相互竞争的目标：涉及系统与外部环境交互的高层任务目标，以及旨在保持子系统完整性与正确交互的低层平台约束。这两个模型之间复杂的相互作用使得对整个系统进行推理变得非常困难，尤其是当目标是考虑系统低层的非确定性行为以寻找具有鲁棒性保证的计划时。在本文中，我们引入了平台感知任务规划 (PAMP) 问题，并在时间持续动作的设定下对其进行处理。PAMP 问题不同于标准时序规划，因为其具有存在-对于所有性质：处理任务目标的高层计划需要满足安全性与可执行性约束，以应对平台与环境低层模型的所有可能非确定性执行。我们提出了两种解决 PAMP 的方法。第一种基线方法融合了任务层与平台层，而第二种方法基于抽象-精化循环，利用了规划器与验证引擎的结合。我们证明了所提方法的可靠性与完备性，并进行了实验验证，展示了异构建模的重要性以及基于抽象-精化技术的优越性。