所见即所得：基于功能STRIPS的认知规划分解

认知规划——即带有知识与信念的规划——在许多多智能体及人-智能体交互领域中至关重要。大多数最先进的认知规划器通过将问题编译为命题经典规划来解决，例如生成所有可能的知识原子，或将认知公式编译为范式。然而，随着问题规模增大，这些方法在计算上变得不可行。本文中，我们通过将认知公式的推理委托给外部求解器来分解认知规划。我们使用\emph{功能STRIPS}对问题建模来实现这一点，其功能比标准STRIPS更具表达力，并支持在动作模型中使用外部黑盒函数。利用近期证明的智能体“看见”与其所知之间关系的工作，我们允许建模者提供外部函数的新实现。这些实现定义了智能体在其环境中看见的内容，从而无需更改规划器即可定义新的认知逻辑。结果，它提升了认知模型本身的能力与灵活性，并避免了指数级的预编译步骤。我们在知名的认知规划基准上进行了评估，以与现有最先进规划器比较，并在基于不同外部函数的新场景上测试。结果表明，我们的规划器相比所比较的最先进规划器扩展性显著更优，且能更简洁地表达问题。