规划模型

一句话解释

规划模型就像AI的“行动路线图”——它负责把一个大目标拆解成可执行的小步骤，并决定先做什么、后做什么。无论是机器人抓杯子、游戏角色找宝藏，还是自动驾驶变道，背后都需要规划模型来生成动作序列。

为什么会被关注

传统AI大多擅长“感知”（认出猫）或“反应”（碰到障碍就转弯），但面对“寄一封信”这类需要多步推理的任务时容易卡壳。规划模型赋予了AI长序决策能力，让机器人不只会动，更会“想好再动”。

随着大语言模型爆发，研究者发现光靠“猜下一个词”无法可靠完成复杂任务，于是开始把规划模型与语言模型结合，形成“思考→拆解→执行”的新型架构。这成为AI从聊天走向自主操作的关键突破口。

核心逻辑

规划模型的核心是“搜索+约束”。它把当前状态、目标状态和可用动作表示成一个空间（比如网格、地图、逻辑状态），然后利用A*、蒙特卡洛树搜索等算法从中找出代价最小的动作序列。

更重要的是，好的规划模型会动态调整：当第一步执行失败或环境变化，它能快速重新规划（replanning），而不是傻等原计划走完。这种“先规划、随时改”的能力，让AI在真实世界中保持鲁棒。

常见场景

机器人自主导航：从起始点到目标点，规划模型负责生成避开障碍物的路径，同时考虑电池续航、开门等子动作。自动驾驶中的变道和超车决策也依赖分层规划模型。

游戏AI：在策略游戏（如《星际争霸》）中，规划模型帮助AI决定先建造哪个建筑、派兵走哪条路线、何时发起攻击——这比单纯靠反应式规则强大得多。

任务助手：当你说“帮我订一张下周三去北京的机票”，规划模型会把“查航班→比价格→选座位→下单支付”拆解成有序步骤，并在每一步调用相应工具。

容易混淆的点

规划模型≠路径规划。路径规划只是规划模型的一个子集，专门处理“从A到B走哪条路”；规划模型还涵盖任务顺序、资源分配、时序逻辑等更抽象的决策问题。

规划模型≠强化学习模型。强化学习通过试错积累奖励来学策略，常常不显式规划；而规划模型需要在执行前显式搜索或推理出步骤序列。两者可以互补——用规划指导探索，用强化学习优化局部动作。

规划模型≠推理引擎。推理引擎主要做事实逻辑推导（如“苏格拉底是人→必死”），而规划模型偏重动作序列生成，目标是“怎么做”，而不是“为什么是”。