分层任务网络

按人写好的「拆解方法」把大任务一层层拆成可直接执行的动作序列的规划方法。

分层任务网络是经典 AI 规划的一种形式，思想源自 1970 年代的 NOAH 等规划器，1994 年 Erol、Hendler、Nau 给出形式化定义。任务分两类：原子任务可直接执行，复合任务需继续拆。领域专家为每个复合任务写好「方法」，规定在什么条件下拆成哪些子任务、按什么顺序；规划器从顶层任务反复拆解，直到只剩原子动作序列。与 PDDL 只给目标、让规划器自己搜索动作组合相比，HTN 借助人写的知识，搜得更快、结果更可控，代价是方法要人工编写。代表系统有 SHOP2。机器人里常用于长程任务的上层拆解，也常与大模型任务规划、行为树配合。

例子「收拾餐桌」拆成「收餐具」和「擦桌子」；「收餐具」的方法再拆成「移动到桌边→识别碗→抓起碗→放进水槽」，桌上还有餐具就重复，最底层每一步都对应机器人已有的技能。

也叫

HTN 规划、层次任务网络、HTN Planning

相关

任务规划、规划领域定义语言、符号规划、大模型任务规划、行为树、长程任务

来源

Erol, Hendler, Nau: HTN Planning: Complexity and Expressivity (AAAI 1994)
Nau et al.: SHOP2: An HTN Planning System (JAIR 2003)
Höller et al.: HDDL: An Extension to PDDL for Expressing Hierarchical Planning Problems (AAAI 2020)