通过使用 PDDL 对模型 Plotting 进行建模，并采用基于基础的现代化规划器来解决，我们研究了一种基于 Plotting 的规划问题。

Oct, 2023

我们报告了建模和解决 Puzznic 的进展情况，这是一款需要玩家计划移动序列以匹配方块从而清理网格的视频游戏，我们在没有移动方块的关卡上比较了计划方法和三种约束编程方法在一小组基准实例上的表现，目前计划方法优于约束编程方法，但我们提出了改进约束模型的建议。

Oct, 2023

使用人类决策过程的教学视频培训模型，学习从视频中直接生成可规划结构的状态和行动空间，并使用 Planning Transformer 解决了长期决策的复杂性问题，并通过实验证明了其在达到目标方面的良好性能表现。

Sep, 2021

通过使用基于屏幕的计划方法，我们研究了 Atari 2600 视频游戏的规划问题，结果表明，该方法能够快速比较人类和机器学习方法的规划结果，并通过 IW (k) 算法的每一回，实现了几乎实时的在线规划。

Jan, 2018

本文采用范畴论的数学理论和图形语法对 PDDL 中的领域、问题和计划进行模型建模，通过将行动视为不同字面意义之间的映射，以描述动作之间的依赖性和选定的方案，并提供了一种图形语法和线性记法，以便推断计划的每一步所使用的替代方案。

Jul, 2021

该论文提出了首个一次学习解决视觉语言推理的解决方案，其利用名为 DePlot 的模态转换模块，将绘图或图表的图像转换为线性化表格，并与大型语言模型结合使用，取得了 24％的进展。

Dec, 2022

通过自动化测试和自动计划行动模型学习技术，本文提出了一种用于测试特定视频游戏方面的方法和工作流。该方法和工作流允许游戏开发人员和 PDDL 建模经验者之间的高效合作，以实现对计划领域描述语言 (PDDL) 的正式模型的生成，从而通过在 Unity 游戏开发引擎中提供的简单的角色扮演游戏的教程项目进行演示。本文是向流程中建模专家的职位需求降到最低甚至消除的第一步，从而使自动计划可以更广泛地被应用。

Feb, 2024

该研究探讨了通过引入一个独立于底层地图生成方法的剧情设施布局设计层来解决游戏地图设计中支持故事的问题，通过引入强化学习（RL）系统，在游戏地图上自动分配具体位置以满足故事中的空间约束，并通过训练和评估 RL 模型，提供基于 RL 的剧情设施布局设计的洞见。

Sep, 2023

提出了一种基于动物生态学理论的新型高效生物灵感规划算法 TLPPO, 并将其与一个传统算法进行比较。在模拟模拟老鼠逃避机器人捕食者的实验中，TLPPO 算法表现出与生物老鼠类似的高效率。该研究对规划算法用户和开发人员，以及研究复杂行为基础的神经科学领域具有参考价值.

Nov, 2022

论文介绍了 Picat 计划器及其实现，以及在国际计划竞赛（IPC）2014 中使用的几个领域的规划模型，证明表格逻辑编程对计划的有效性，强调建模的重要性，并在示例模型中提出了几种建模技术，从设计状态表示以促进数据共享和对称性打破，用运算编码操作以进行有效的前置条件检查和状态更新，到整合领域知识和启发式算法。

Jul, 2015