在经典计划中，为了满足智能体的目标，目标是制定一系列行动方案。扩展规划是用于捕获和模拟不同类型的推理问题的一种表达方式。本文中，我们提出使用符号搜索进行成本最优规划，为经典计划的不同表达扩展，包括公理、状态依赖性操作成本、过度订阅计划和前 k 个计划。
Apr, 2022
通过研究动作的不同发生次数来分析导致规划正式化丧失可决定性的可能原因，使用多值偏序计划的概念实现了一个 NP 完全的数值规划片段，并研究了软性前提的优化技术。
Jul, 2023
本文研究定性数量规划问题，提出了两种多项式时间降阶方法，将问题转化为非确定性计划问题和反之，从而解决解决方案不完整问题和复杂度问题。
Dec, 2019
本文就基于惰性子句生成算法的约束编程方法在解决经典顺序规划方面的可能性进行了探讨，提出了一种基于提升因果编码的约束规划模型，展示了惰性子句生成算法的潜力来扩展可行的规划推断方法，并通过实验证明了我们的方法在解决需要更少计划步数的规划问题方面的优越性。
提出了一种通过给定的实体层次结构和观察到的相似行为来泛化符号动作的新概念，证明在虚拟的网格化厨房环境中可以从少量观察中学习到类型泛化的动作，并且在规划过程中引入了一种即时泛化机制，能够解决包括更长序列、新实体和未预期环境行为的未见任务组合。
Aug, 2023
该研究通过对 PDDL 的扩展，提出了一种解决高维连续变量中的机器人规划及其动力学、碰撞、可视化等限制条件的算法，并在三个机器人领域的仿真环境和多个现实机器人任务中进行了验证。
Feb, 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
本研究提出了一种新的学习规划模型的方法，其既有组合方法学习清晰的动作模板，又能够从图像空间中产生动作模板，这是结合前两种方法的优势的一步。
通过将规划器使用的一阶符号表示从编码状态空间结构的非符号输入中学习，我们解决了图像与符号之间的鸿沟，这意味着推断一个完整的一阶表示（即一般的动作模式、关系符号和对象）来解释所观察到的状态空间结构。
Sep, 2019
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