具身智能：原理、算法与系统 第20章 规划与决策

目录

第20章 规划与决策

20.1 运动规划

20.1.1 构型空间与路径规划

20.1.2 采样方法：RRT, PRM

20.1.3 优化方法：CHOMP, TrajOpt

20.1.4 基于学习的运动规划

20.2 任务规划

20.2.1 经典规划：STRIPS, PDDL

20.2.2 启发式搜索与A*

20.2.3 分层任务网络(HTN)

20.2.4 时序规划与调度

20.3 任务与运动规划(TAMP)

20.3.1 符号-几何接口

20.3.2 约束满足与优化

20.3.3 在线TAMP与重规划

20.3.4 学习加速TAMP

20.4 不确定性下的规划

20.4.1 信念空间规划

20.4.2 POMDP求解

20.4.3 在线规划与MCTS

20.4.4 鲁棒规划与风险感知

第20章 规划与决策

规划与决策是具身智能系统的核心认知能力，使机器人能够在复杂环境中自主推理并生成可执行的行为序列。运动规划解决几何路径与轨迹生成问题，任务规划处理高层目标分解与动作调度，任务与运动规划（TAMP）则整合符号推理与几何约束以满足长时程操作需求。在不确定性环境下，信念空间规划与部分可观测决策框架提供了处理感知噪声与动态变化的数学基础。本章系统阐述从经典算法到现代学习增强方法的完整技术体系。

20.1 运动规划

运动规划旨在为机器人系统生成从初始构型到目标构型的无碰撞路径，同时满足动力学、运动学及任务特定约束。该问题在构型空间（Configuration Space）中形式化，其中每个点代表机器人所有自由度的一个特定状态。