- 通过块替换提高部分顺序计划的执行并发性
通过引入并行执行和优化，将部分有序计划（POP）转换为并行计划，以提高计划的灵活性和资源利用效率。
- 大型语言模型作为规划领域生成器
通过对 7 个大型语言模型进行实证分析，我们发现大型语言模型在从自然语言描述中生成正确的规划领域模型方面具有适中的能力。
- 使用深度强化学习实现并行规划的元算符
通过引入元操作符的概念，将元操作符包括在强化学习中的行动空间中，可以通过强化学习实现新的规划视角，如并行规划。本研究的主要目标是分析在强化学习过程中包含元操作符的性能和复杂性，具体应用于以往常规广义规划模型无法实现满意结果的领域，从而为重新 - 使用 PDDL + 和更多方法进行实际世界规划
NyX 是一种新颖的、强调轻巧、简单和适应性的 PDDL + 规划器，旨在解决 PDDL + 规划软件的短缺和刚性限制，并为解决现实世界问题的 AI Planning 方法提供了更广泛的应用。
- 基于语义能力模型和半导体制造技术的自动化工艺规划
通过语义能力模型生成自动化的人工智能规划问题，结合现有解决器，找到有效的能力序列，包括所需的参数值，并提供集成人类专业知识和解释的可能性，帮助理解规划决策。
- MM理解现实世界的人工智能规划领域：一个概念框架
研发了一个概念框架，用于识别和分类真实世界规划领域，特别以可持续建筑作为应用领域，该框架能够影响 AI 规划系统在真实世界应用领域的设计、开发和适用性。
- IJCAI自动化流程规划和挖掘
本研究项目旨在通过将人工智能和商业流程管理领域的研究结合起来，自动从执行流程数据中导出流程模型，并进行自适应规划和执行实时预测的业务流程。
- 使用 POMDP 和生成模型实现机器人的即插即用的任务级自主
该研究论文研究了如何将各种技能集成到机器人控制器中，利用基于概率编程语言的生成式技能文档语言，高效地解决了控制器代码文档化及添加新技能的问题，并通过 POMDP solver 及 AI planning 技术自动规划技能执行顺序，提高了机器 - 动态估算行为代价的计划
本文提出了一种带有多个估计器的确定性计划泛化模型，以平衡计算时间和有界估计不确定性，这可以增加计划的准确性，从而增加可靠性，并减少不必要的计算负担，进而应用于大规模问题的研究。通过广泛的实验证明，该算法可以较之其他方法在运行时间上实现显著的 - 线上建模用于离线规划的立场文件
AI 规划研究中，规划问题的定义和表达是关键。文章建议改变规划流程，采用在线建模与离线规划的方式，以更好地适应现实需求，并提出了一个基于动作成本估计的具体实现方法。
- 自动动态算法配置
文章主要介绍了一个新兴的自动化动态算法配置（DAC）领域，总结了相关先前的研究成果和现有的解决方法，并进行了以进化优化、人工智能规划和机器学习为例的实证案例研究。
- 基于 Horn 描述逻辑本体的规划表达能力（技术报告）
本文通过基于 DL 本体的规划来解决开放世界状态约束，并提出了一种新的编译方案，即基于 DL 查询重写为具有分层否定的 Datalog 的标准 PDDL，以应对更具表现力的 DL，同时还证明了我们的方法可以优于以前的 DL 本体规划工作。
- 具有 AI 规划模型的分层强化学习
本研究提出了一种将高层次 AI 规划与强化学习相结合的综合方法，通过建立 AI 规划问题的状态转换模型与马尔科夫决策过程的抽象状态转换系统之间的对应关系，使用内在奖励学习定义层次强化学习中的操作，以增强其一致性与从容。实验结果表明，与现有方 - MM规划复杂转换的初步案例研究：绘图
介绍了一种约束模型，用于解决将网格减少到给定目标数量或更少的 Plotting 问题，探讨了 AI 规划在建模语言方面的不足，建议富有表达力的建模语言对 AI 规划有益。
- MM随机领域贝叶斯策略搜索
该研究将随机领域的政策搜索视为贝叶斯推断问题，并提供了一种将此类问题编码为嵌套概率程序的方案。研究表明，即使使用更简单、更普遍的推断算法，仍然可以学习到质量相似的策略。
- IJCAI使用课程驱动的深度强化学习解决困难的人工智能计划实例
本文介绍了一个基于深度强化学习和课程驱动方法的方法，该方法可以自动发现领域结构并解决 AI 计划中的 PSPACE 完全问题，这是其他现代求解器无法解决的。
- AAAID3BA：利用非确定性规划优化业务流程的工具
本文介绍了一种新的工具 D3BA，基于对话代理的声明性设计，用于优化商业过程，并借助 AI 计划的能力。该工具提供了一个强大的框架来建立、优化和维护复杂的业务流程，并通过与自动化一个或多个子任务的服务组成的方式进行优化。我们比较了其构成技术 - AAAI通过自动规划生成对话代理
通过使用领域无关的 AI 规划来创建自动化的对话计划，使得具备个性化、定制化和上下文相关互动要求的更复杂多轮对话应用（如职业指导或旅行规划）得以实现。
- IJCAIAI 规划器决策的解释方法探讨
为了建立对 AI 的信任，实现透明化且易懂的 AI 系统成为了重要问题，本文提出了一种通过 AI Planning 实现初步解释的方法，并实现在新的 XAI-Plan 框架中。
- 层次化任务网络规划概述
提出了一个基于框架的方法以比较和分析使用 Hierarchical Task Network（HTN）规划解决 Web 服务复合问题的途径，并探讨了 HTN 规划的成就，规划模型及其在真实应用中的适用性。