EP06 · 规划层：目标分解、搜索与抗干扰

一句话概要：规划层的全部工作是在跟组合爆炸斗争——分解降宽度、剪枝降深度、示范降冷启动；抗干扰的设计观是「可中断、可恢复」。时长 13:14 ｜素材锚点：多7 + 单22 + 问2 ｜所属：第一季·核心范式

一、知识框架

本集讲规划层的三个问题，一条主线贯穿：

规划在干什么：把模糊目标变成「能执行、能应变」的动作树——分解回答「目标离现在有多远」，搜索回答「中间经过哪些站」；规划输出离散决策，执行交给技能层，且必须支持执行中的局部重规划。
效率从哪来（多选 7）：分层目标分解降搜索宽度、状态空间剪枝降无效分支深度、模仿学习示范降冷启动成本——三招各治一段；蛮力堆迭代与强制线性流程都不是效率。
问题类型决定算法族（单选 22）：物流路径优化是组合优化，解空间极大又无闭式解，遗传算法这类启发式搜索是正解；线性回归/K 均值/主成分分析分别是拟合、分组、降维工具。
抗干扰的设计观（问答 2）：分层状态机 + 低优先级可中断 + 传感器实时检测 + 紧急协议，核心是让结构「可被打断、可恢复」，而不是预测所有意外。

多选 7：提升智能体任务规划效率的方法有（）

A. 分层目标分解　B. 状态空间剪枝　C. 模仿学习示范　D. 增加循环迭代次数　E. 强制线性执行流程

单选 22：智能体在物流调度中优化路径，最适用的算法是（）

A. 遗传算法　B. 线性回归　C. K 均值聚类　D. 主成分分析

问答 2：设计家庭服务机器人任务规划系统时，如何处理突发干扰事件？

多选 7 答案：A、B、C（D、E 不选）

分层目标分解（A）：把大目标拆成有层次的小目标，每层搜索宽度下降；上一层定了方向，下一层不用从头枚举。附带好处是复用——「出门买菜」与「出门取快递」在「移动到家门口」这一层是同一段规划。
状态空间剪枝（B）：搜索如走迷宫，大部分路口走到底是死路。用启发信息（已付代价 + 离目标估计距离）提前封掉没希望的分支，好的规则能砍掉九成以上无效分支。风险是启发信息估错会误剪正解；估得越准剪得越狠，但「估准」本身也花算力。
模仿学习示范（C）：不从零试错，直接学专家示范（如人类收拾房间的合理顺序），再在自有环境微调。省掉从随机动作里摸规律的漫长过程，相当于抄学霸作业再自己验算，冷启动成本降一个数量级。
增加循环迭代次数（D）为什么不选：用蛮力换质量，多试可能碰巧成功，但不改变效率、只多花时间——题目问的是「提升效率的方法」，方向就错了。
强制线性执行流程（E）为什么不选：把动态问题静态化。环境一变，线性流程没有岔路可走，只能硬执行或整体推翻，这正是规划最怕的。
也没有银弹：分解适合结构清楚的任务；剪枝依赖先验启发信息；示范需要人类数据，冷门场景无从找起。选哪招回到问题本身。

单选 22 答案：A（遗传算法）

为什么是它：物流路径优化是组合优化——一批货、一队车、时间窗与载重约束，求总代价最小的路线。解空间极大且无闭式解，只能搜。规模小时精确算法（整数规划+分支定界）能算最优，点数一多计算量失控；遗传算法把路线编码成基因，经选择、交叉、变异逐代进化，不保证理论最优，但能在可接受时间给出足够好的近优解——调度员要的是明天一早能发车的方案。
线性回归（B）为什么错：拟合连续关系的工具，画趋势线可以，搜路线不匹配。
K 均值聚类（C）为什么错：分组工具，把配送点按远近分簇，是路径优化的前置活儿，分完组仍要靠路由算法，自己不解路径。
主成分分析（D）为什么错：降维工具，把高维压成低维，与搜索无关。
考点：问题类型决定算法族。先分清连续优化还是组合优化、能求导还是只能搜，再决定请哪族算法。

问答 2 答案（与题库逐字一致）：采用分层状态机架构，低优先级任务可中断，通过环境传感器实时检测异常(如跌倒)，触发紧急避障或警报协议。

逐点拆解：

分层状态机架构是骨架：底层行走/转向/抓取，中层子任务，高层总目标，层间定义接口——底层出事中层接得住，高层只看到一次任务暂停。不分层，一次干扰就打乱整个任务表。
低优先级任务可中断是灵魂：突发事件的响应时限比日常任务紧得多（地上一滩水必须马上停），执行到一半的叠衣服就该让路。每任务都设成不可打断，机器人就会为叠完一件衣服先踩过那滩水——优先级倒置是家用机器人最典型的事故来源。
环境传感器实时检测异常是耳目：注意是实时检测而非等用户喊停；检测手段是多模态的——视觉看到人倒地、地面湿度突变、电机电流异常，感知层的内容在这里派上用场。
触发紧急避障或警报协议是落点：不自由发挥，切预设协议。协议讲分级：小异常（绕开玩具）就地解决继续干活；处理不了的（有人跌倒）立刻停机通知家人。安全相关永远排最前，效率相关可排队，次序不能反。
恢复靠任务栈加检查点：中断时把进度压栈，异常解除弹栈续上，不用从头再来。

规划与执行的接口是分层的艺术：规划输出离散决策，执行交给技能层；执行中状态偏离预期要能局部重划，而非全局推倒。开环画到底的规划在动态环境里「活不过三秒」。
组合优化的工程现实：客户不等全球最优，调度员要能发车的方案——启发式算法「足够好且够快」的定位，比「保证最优」更贴近产线。这也是剪枝与遗传算法共同的生存哲学。
与语音 AI 测试的连接（作者实践注脚）：对话智能体的一次「会话」本身就是一次轻量规划——意图识别决定子任务序列，上下文管理决定何时重规划；EP11 讲对话系统时会回到这条线。
异常分级的普适性：安全相关立即响应、效率相关排队，这个次序不只属于家庭机器人，也属于一切带执行器的智能体系统。

*本集音频：ep06-规划层目标分解与抗干扰.mp3 ｜下一集：EP07 学习层：强化学习、探索利用与持续学习*