从零起步：PDDL 描述世界中的 AI 规划¶
凡事预则立，不预则废。本文档系统梳理 PDDL（规划领域定义语言）的核心概念、工具生态与前沿研究，为 AI 规划学习者提供一站式知识导航。
规划知识 Wiki¶
规划领域的主要在线知识库 Planning.wiki —— AI 规划与 PDDL 的权威 Wiki，涵盖从入门到精通的系统教程与参考资料。其源代码开源于 planning-wiki。
经典综述文献 Everything You Always Wanted to Know About Planning (But Were Afraid to Ask) 由 Jörg Hoffmann 撰写，系统回答了规划领域的核心问题。
来自 Universidad Simón Bolívar 的优质课程资料：PF 3335 Artificial Intelligence Planning，配套课程项目与在线幻灯片。
学习资源¶
入门教程¶
- Getting Started with PDDL —— 面向初学者的 PDDL 入门指南，系统讲解 PDDL 的基本语法与建模方法。源代码见 LearnPDDL。
- PDDL Reference Guide —— Jan Dolejsi 等人维护的 PDDL 语法参考手册，涵盖各版本规范的详细说明。
- planning.wiki/extras —— 规划工具与学习资源的精选合集。
- PDDL 维基百科词条 —— 综述 PDDL 各版本语言特征与历史沿革。
视频教程¶
- Learn PDDL by Fares K. Alaboud
- Introduction to AI Planning. Part I. (video)
- Introduction to AI Planning. Part II. (video)
- VS Code PDDL 插件演示
中文社区资源¶
- PDDL 知乎专栏 —— 中文世界系统介绍 PDDL 的学习专栏。
- PDDL-editor——基于 VS Code 的简易规划器 —— 寻风者风寻撰写的 VS Code PDDL 入门文章。
规划社区¶
规划领域爱好者在 Slack 平台上设有 The Planning Community，汇集了丰富的学术讨论与技术交流资源。
Planning.Domains 生态系统¶
Planning.Domains 是一个面向 AI 规划研究者的在线服务生态系统，由澳大利亚、西班牙、英国等多国研究机构联合构建。其核心组件包括：
API 服务¶
api.planning.domains 提供对 PDDL 基准领域及问题文件的编程访问接口。该 API 管理三类对象：
- Problem（问题）：涵盖每个问题的文件路径、对应领域、统计信息等。
- Domain（领域）：涵盖各领域的描述文档及统计指标。
- Collection（集合）：涵盖历届 IPC（国际规划大赛）的领域集合及特定规划器的集合。
经典规划领域的 PDDL 文件集合托管于 classical-domains，研究者可通过克隆仓库或 API 命令行工具获取副本。目前接受经典 PDDL 基准（涵盖各版本与表现力层级），未来拟扩展至 POND、FOND、RDDL 等形式化体系。
在线求解器¶
solver.planning.domains 提供在线 PDDL 求解服务，支持通过 URL 链接或 JSON 格式提交原始 PDDL 内容，从而检索或验证规划方案。配套提供 JavaScript/Python 远程调用的示例代码。
在线编辑器¶
editor.planning.domains 集成 PDDL 编辑、求解与验证功能于一体，是基于 Web 的规划开发环境。
教育资源¶
education.planning.domains 汇集自动化规划与建模的教学幻灯片、源代码及视频教程，是系统学习 AI 规划的优质起点。
VS Code PDDL 扩展¶
VS Code 的 PDDL 扩展插件（pddl）是目前最成熟的 PDDL 开发环境，提供语法高亮、代码补全、规划器集成与验证等一站式功能。其源代码开源于 vscode-pddl，示例工程见 vscode-pddl-samples。
插件集成了丰富的规划工具与资源：
- VAL——规划验证器：由 KCL 开发，依据原始领域与问题文件验证规划方案的正确性，在执行操作时确保全部前提条件得以满足，同时检验规划是否真正实现既定目标。
- Eviscerator——规划器测试工具：自动测试并识别规划器所支持的 PDDL 需求特性，面向 Linux 提供预编译二进制文件。
- ROSPlan——ROS 中的规划框架：将 AI 规划集成至机器人操作系统（ROS），支持对机器人环境进行建模与任务规划执行。
- Plansys2——ROS2 中的规划系统：面向 ROS2 的规划集成框架，采用行为树实现动作执行，提供丰富示例。
- 通用规划验证器（开发中）：由西班牙 UPF 研究团队主导开发，旨在支持经典、时序与多智能体规划的验证。
编辑器插件生态¶
除 VS Code 外，PDDL 还支持其他主流编辑器：
| 编辑器 | 插件 | 说明 |
|---|---|---|
| Visual Studio Code | PDDL Plugin for VSCode | 功能最全面 |
| Sublime Text | MyPDDL Plugin for Sublime | 轻量级支持 |
| Atom | MyPDDL Plugin for Atom | 已停止维护 |
| Web | Planning.Domains PDDL Editor | 在线编辑求解一体化 |
规划器工具集¶
经典规划器¶
- Fast Downward (fast-downward.org)：基于启发式搜索的经典规划系统，源代码见 downward。配套的 Downward Lab 提供实验评估框架，文档见 lab.readthedocs.io。planning.wiki 上的 Fast Downward 词条 提供详细使用指南。
- FF Planner (FF 官网)：由 Jörg Hoffmann 开发的经典前向启发式搜索规划器，曾获 IPC-2 杰出性能奖。
- LAPKT (Lightweight Automated Planning Toolkit)：轻量级自动规划工具包，集成多种启发式搜索算法。
通用规划器¶
- MyND (GitHub)：基于 Java 的启发式 AND/OR 搜索规划器。
- PRP (planner-for-relevant-policies)：基于经典重规划的 FOND 求解器。
- FOND-SAT：将 FOND 规划归约为 SAT 可满足性问题的求解方法。
领域实例集合¶
公开可用的 PDDL 领域实例：IPC PDDL Domains —— 历届国际规划大赛使用的标准基准集。
推荐参考书籍：An Introduction to the Planning Domain Definition Language，系统讲解 PDDL 的形式语义与建模实践。
课程与学术资源¶
教学幻灯片与课程¶
| 机构 | 课程内容 | 资源链接 |
|---|---|---|
| UniBasel AI Group | AI 与规划课程 | Lecture Slides |
| FAI Group, Saarland University | AI 基础与规划课程 | Lecture Slides, Planning Source, AI Source |
教学实验与作业¶
| 课程/项目 | 负责人 | 说明 | 资源 |
|---|---|---|---|
| AI (CS) at PUCRS | Felipe Meneguzzi 等 | 基于启发式搜索的规划实验 | Source Code |
| Pacman Capture the Flag | Nir Lipovetzky, Sebastian Sardina | 基于 Berkeley AI Pacman 框架的竞赛 | Competition, Code |
| ICAPS 2020 Summer School | Michael Cashmore | 使用 PDDL 进行规划建模的入门实验 | Lab Details |