La planificación y programación automatizada, a menudo denominada simplemente AI planning, es una rama fundamental de la inteligencia artificial que se ocupa de la creación de estrategias o secuencias de acciones diseñadas para ser ejecutadas por agentes inteligentes, robots autónomos y vehículos no tripulados. A diferencia de los problemas clásicos de control y clasificación, las soluciones en planificación son complejas y deben ser descubiertas y optimizadas en un espacio multidimensional.
Visión General del Proceso de Planificación
En esencia, el problema de la planificación consiste en sintetizar un plan que garantice que, partiendo de cualquier estado inicial posible, se alcance un estado que contenga los objetivos deseados (denominado estado meta). Para lograr esto, el sistema requiere tres elementos básicos:
- Una descripción de los posibles estados iniciales del mundo.
- Una descripción de las metas deseadas.
- Una descripción del conjunto de acciones posibles.
Factores que Determinan la Complejidad
La dificultad de un problema de planificación depende de las suposiciones simplificadoras empleadas. Las dimensiones clave que definen la complejidad incluyen:
- Determinismo: ¿Son las acciones deterministas o no deterministas? En el segundo caso, ¿se conocen las probabilidades asociadas?
- Observabilidad: ¿Puede el estado actual observarse sin ambigüedades (observabilidad total) o es parcial?
- Variables de Estado: ¿Son discretas o continuas?
- Temporalidad: ¿Tienen las acciones una duración o son instantáneas?
- Concurrencia: ¿Pueden realizarse varias acciones simultáneamente o solo una a la vez?
- Agentes: ¿Se trata de un único agente o de múltiples agentes (planificación multi-agente), lo que vincula el problema con la teoría de juegos?
Tipos de Problemas de Planificación
| Tipo de Planificación | Características Principales |
|---|---|
| Planificación Clásica | Estado inicial único y conocido, acciones deterministas, sin duración y ejecutadas por un solo agente. |
| MDP (Procesos de Decisión de Markov) | Acciones no deterministas con probabilidades, observabilidad total y maximización de una función de recompensa. |
| POMDP (Procesos de Decisión de Markov Parcialmente Observables) | Similar al MDP, pero con observabilidad parcial del entorno. |
Planificación Independiente del Dominio
En la IA, los planificadores suelen dividirse en dos categorías. Los planificadores independientes del dominio reciben un modelo del dominio (descripción de acciones posibles) y el problema específico (estado inicial y meta). Esto les permite resolver problemas en una amplia gama de áreas, como la logística, la gestión de flujos de trabajo o la planificación de tareas robóticas, sin necesidad de ser reprogramados para cada caso específico. En contraste, un planificador de rutas es un ejemplo típico de un planificador dependiente del dominio.
Entornos Dinámicos y Adaptación Online
En entornos conocidos con modelos disponibles, la planificación puede realizarse offline. Sin embargo, en entornos dinámicamente desconocidos, la estrategia debe revisarse online, adaptando modelos y políticas mediante procesos iterativos de prueba y error, como el aprendizaje por refuerzo, la programación dinámica y la optimización combinatoria.
