智能規(guī)劃技術(shù)是科學(xué)決策的重要手段，可以完成科學(xué)實驗方案規(guī)劃與評估等任務(wù)，在醫(yī)療健康、生產(chǎn)調(diào)度、航空航天等諸多領(lǐng)域發(fā)揮關(guān)鍵的作用。然而，目前的智能規(guī)劃方法大多局限于單向推理，存在盲目性高、效率低等問題。近日，中國科學(xué)院自動化研究所“磐石·科學(xué)基礎(chǔ)大模型”研發(fā)團隊提出一種新型的“神經(jīng)-符號”融合規(guī)劃器，為神經(jīng)規(guī)劃系統(tǒng)和符號規(guī)劃系統(tǒng)的融合提供了統(tǒng)一和通用的框架。該智能規(guī)劃器已集成至“磐石·科學(xué)基礎(chǔ)大模型”。

基于Knowledge of Result（KR）的閉環(huán)系統(tǒng)是人類運動學(xué)習的關(guān)鍵部分，可以幫助學(xué)習者糾正錯誤，向著目標方向?qū)崿F(xiàn)有效學(xué)習。 “神經(jīng)-符號”融合新型規(guī)劃器通過借鑒這一反饋閉環(huán)理念，構(gòu)建了一種閉環(huán)反饋的雙向規(guī)劃機制——KRCL(Knowledge-of-Results based Closed-Loop)，正向神經(jīng)規(guī)劃器生成問題的動作序列與反向KR反饋機制構(gòu)成動態(tài)的錯誤檢測-糾正閉環(huán)。該機制通過有效利用信息的雙向傳遞和反饋來評估和調(diào)整動作，在規(guī)劃中研究以KR信息為中心的閉環(huán)規(guī)劃結(jié)構(gòu)，實現(xiàn)準確的反饋以加強錯誤檢測和錯誤糾正，持續(xù)評估和調(diào)整規(guī)劃器的動作，從而促進規(guī)劃器的有效學(xué)習。此外，研發(fā)團隊構(gòu)建了一種規(guī)劃器與規(guī)劃識別器的新型融合模式，實現(xiàn)了神經(jīng)系統(tǒng)與符號系統(tǒng)之間的雙向連接，通過利用兩種范式的互補優(yōu)勢，在規(guī)劃中同時實現(xiàn)的有效學(xué)習和推理。其中，基于神經(jīng)系統(tǒng)的規(guī)劃器利用其強大的表示和學(xué)習能力生成規(guī)劃動作序列；而基于符號系統(tǒng)的規(guī)劃識別器作為反向機制，通過準確、可靠的推理來校正規(guī)劃結(jié)果，在規(guī)劃的過程中兼顧有效學(xué)習與推理能力。

為進一步提升規(guī)劃效率并減少對反饋信息的依賴，研發(fā)團隊還提出了面向規(guī)劃的自我控制機制，從規(guī)劃問題難度和模型表現(xiàn)兩方面展開研究，讓反向規(guī)劃識別器只在正向規(guī)劃器“需要”的時候被激活，優(yōu)化正向規(guī)劃器接收反饋的頻率，減少雙向規(guī)劃器對反饋的依賴，進而提高模型的自主性和規(guī)劃效率。

研究團隊在國際IPC（International Planning Competition）競賽的8個代表性規(guī)劃任務(wù)上系統(tǒng)評估了KRCL的性能，結(jié)果顯示，KRCL的平均覆蓋率顯著優(yōu)于其他對比規(guī)劃器，證明了提出的基于神經(jīng)-符號融合的雙向規(guī)劃器可以指導(dǎo)規(guī)劃器尋找正確的解決方案，精準有效地解決規(guī)劃任務(wù)。此外，還在用于評估大語言模型在規(guī)劃任務(wù)中表現(xiàn)的基準數(shù)據(jù)集(PlanBench)上對所提出的方法與大型語言模型o1在規(guī)劃任務(wù)中的性能進行了對比。實驗結(jié)果表明，所提出的KRCL在規(guī)劃覆蓋率和規(guī)劃效率方面均顯著優(yōu)于o1，進一步驗證了該方法在規(guī)劃任務(wù)中的優(yōu)勢。

KRCL通過神經(jīng)和符號系統(tǒng)優(yōu)勢互補，能夠有效提升規(guī)劃性能。該新型規(guī)劃器利用其強大的閉環(huán)反饋機制、精準的推理校正能力以及高效的自主規(guī)劃特性，可為各類科學(xué)研究任務(wù)提供更可靠、更智能的規(guī)劃工具。

圖1.?人類運動學(xué)習的“反饋閉環(huán)”與對應(yīng)的規(guī)劃問題