Planowanie w sztucznej inteligencji (SI) oznacza zdolność agenta lub systemu do opracowania sekwencji działań prowadzących do osiągnięcia zadanego celu, począwszy od stanu początkowego i przy uwzględnieniu określonych ograniczeń. Dyscyplina ta ma na celu automatyzację podejmowania decyzji strategicznych z uwzględnieniem środowiska, dostępnych zasobów, niepewności oraz interakcji między agentami. Planowanie różni się od optymalizacji naciskiem na strukturyzację czasową działań oraz zarządzanie złożonością zadań sekwencyjnych lub równoległych.
Przykłady zastosowań
Planowanie jest kluczowe w autonomicznej robotyce (nawigacja, manipulacja obiektami), logistyce (zarządzanie magazynem, planowanie tras pojazdów), harmonogramowaniu zadań w przemyśle, zarządzaniu misjami kosmicznymi czy grach strategicznych. Na przykład w zautomatyzowanym magazynie system planowania określa optymalną kolejność zbierania towarów. W robotyce umożliwia robotowi planowanie ruchów z omijaniem przeszkód.
Główne narzędzia programistyczne, biblioteki, frameworki
Wśród kluczowych narzędzi znajduje się PDDL (Planning Domain Definition Language), standard do modelowania problemów planistycznych. Popularne solvery to Fast Downward, OPTIC oraz LPG. W robotyce biblioteka MoveIt! (dla ROS) oferuje zaawansowane możliwości planowania ruchu. Frameworki takie jak AIPlan4EU i pyperplan ułatwiają integrację planowania z większymi systemami.
Najnowsze trendy i rozwój
Planowanie coraz częściej integruje się z uczeniem maszynowym, umożliwiając dostosowanie strategii na podstawie doświadczenia. Zyskują na znaczeniu podejścia hybrydowe łączące planowanie symboliczne z modelami sieci neuronowych oraz planowanie wieloagentowe i współpracujące. Współczesne wyzwania to planowanie w czasie rzeczywistym, zarządzanie niepewnością i adaptacja do środowisk częściowo obserwowalnych. Interoperacyjność z innymi modułami SI (percepcja, dialog) pozostaje istotnym kierunkiem badań.