🤖 machine learning

From Feasibility to Desirability: Plan, Learn, Adapt (PLA) Framework for Personalized On-Device Itinerary Generation

El artículo presenta el marco de trabajo Plan, Aprender, Adaptar (PLA), un sistema en el dispositivo de tres etapas que combina un conjunto de planificadores ligeros con un modelo de recompensa compacto para generar itinerarios personalizados factibles y altamente deseables, superando tanto a los planificadores únicos como a los modelos de lenguaje extensos (LLM) de vanguardia en evaluaciones humanas, al tiempo que logra una latencia y viabilidad de grado de producción.

Autores originales: Himel Dev, Tanmoy Sen, Madhusudan Basak, Bashima Islam

Publicado 2026-07-20

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Himel Dev, Tanmoy Sen, Madhusudan Basak, Bashima Islam

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres el capitán de una nave espacial, pero en lugar de navegar entre las estrellas, navegas por una ciudad bulliciosa para planificar las vacaciones perfectas. Este es el mundo de la planificación de viajes, un rompecabezas que se asienta en la intersección de dos mundos científicos muy diferentes. Por un lado, tienes la optimización combinatoria, que es como un profesor de matemáticas estricto asegurándose de que no rompas las reglas: el museo cierra a las 5 PM, el tren sale a las 6 y no puedes visitar el mismo lugar dos veces. Por otro lado, tienes el aprendizaje de preferencias, que es como un psíquico intentando adivinar qué es lo que realmente quieres sentir: ¿quieres un día relajado o una aventura intensa? Lo complicado es que estos dos mundos suelen enfrentarse. Un itinerario matemáticamente perfecto podría resultar aburrido, y un itinerario soñador y divertido podría ser imposible de ejecutar en la realidad. La gran pregunta para cualquiera que haya intentado planificar un viaje es: ¿Cómo construimos una guía de viaje que sea tanto legalmente posible de seguir como genuinamente deleitosa de experimentar, todo esto mientras se ejecuta en tu teléfono sin necesidad de internet?

Este artículo presenta un nuevo y astuto sistema llamado PLA (Plan, Learn, Adapt - Planificar, Aprender, Adaptar) que intenta resolver exactamente este problema. Los autores, trabajando con una aplicación de viajes llamada FlyEnJoy, se dieron cuenta de que los métodos existentes estaban fallando de dos maneras específicas. Algunos planificadores de la vieja escuela eran excelentes siguiendo las reglas pero terribles entendiendo el gusto humano, creando a menudo itinerarios que se sentían robóticos. Mientras tanto, las herramientas de IA más nuevas y llamativas (como los gigantescos modelos de lenguaje de los que todo el mundo habla) eran excelentes sonando útiles, pero fallaban completamente en la matemática básica de los viajes; en sus pruebas, estos modelos de IA produjeron itinerarios que eran estrictamente infactibles (0% de éxito), con un límite estadístico superior que sugería que podrían haber sido válidos menos del 4% de las veces, violando horarios de apertura y tiempos de traslado.

Para solucionar esto, el equipo construyó una "fábrica" de tres pasos que se ejecuta enteramente en tu teléfono:

Plan (La Fábrica de Ideas): En lugar de depender de un solo método para crear un horario, construyeron un equipo de cinco "planificadores" diferentes (como un chef impaciente, un contador cuidadoso y un artista creativo). Cada uno intenta construir un viaje válido desde cero. Debido a que piensan de manera distinta, generan listas de lugares muy diversas, asegurando que tengan un grupo diverso de opciones "factibles" (que cumplen las reglas) para elegir.
Learn (El Probador de Sabores): El equipo no se limitó a adivinar lo que le gustaba a la gente; pidieron a humanos que compararan pares de itinerarios de días completos. Recopilaron más de 2,500 de estas comparaciones. Utilizando estos datos, entrenaron un modelo de recompensa diminuto y superrápido (un probador de sabores digital) que aprendió a detectar las cualidades invisibles de un gran viaje, como un buen ritmo y un buen equilibrio de actividades, en lugar de simplemente contar cuántos museos se visitaron.
Adapt (El Refinador Local): Una vez seleccionado el mejor itinerario, esta etapa realiza pequeños ajustes seguros. Es como un chef que prueba una sopa y añade una pizca de sal, pero con una regla estricta: cada cambio debe mantener la receta válida. Si un ajuste rompe el horario (como hacer que llegues a una tienda cerrada), se descarta instantáneamente. Esto ocurre tan rápido que toma solo 109.9 milisegundos en promedio, lo que significa que obtienes un plan personalizado y perfecto al instante, incluso si estás en un avión sin Wi-Fi, ya que el sistema está diseñado para un uso prioritariamente offline.

Los resultados son impresionantes. Cuando probaron su sistema contra el mejor planificador individual, el equipo de "Plan, Learn, Adapt" ganó el 67.8% de las veces contra jueces humanos. En contraste, cuando pidieron a tres de los modelos de IA más avanzados (GPT-5, Claude Opus 4.5 y Gemini 3 Pro) que crearan itinerarios bajo las mismas reglas estrictas, ninguno de ellos (0%) produjo un solo viaje válido. El nuevo sistema también generalizó bien, funcionando con precisión en más de 100 ciudades diferentes de EE. UU. que no había visto antes.

En el mundo real, cuando implementaron este sistema en la aplicación FlyEnJoy, los resultados fueron tangibles. Los usuarios comenzaron su planificación de viajes un 83% más a menudo y un 91% más de personas realmente completaron sus itinerarios. El sistema no solo creó los planes; hizo que toda la experiencia fuera más fluida, demostrando que puedes tener una guía de viaje que sea tanto matemáticamente perfecta como perfectamente divertida, todo esto viviendo dentro de tu bolsillo.

Resumen Técnico: Del concepto a la deseabilidad: Marco de trabajo Plan, Aprender, Adaptar (PLA)

1. Declaración del Problema

El artículo aborda el desafío de generar itinerarios de viaje personalizados y de varios días en dispositivos móviles. Esta tarea está definida por una tensión fundamental entre la viabilidad combinatoria dura y la deseabilidad latente suave:

Viabilidad: Los itinerarios deben adherirse estrictamente a las restricciones espacio-temporales, incluyendo los horarios de apertura de los puntos de interés (POI), tiempos de viaje, presupuestos de tiempo diarios y límites de costo.
Deseabilidad: Los itinerarios deben satisfacer las preferencias subjetivas del usuario con respecto al ritmo, la coherencia geográfica y la diversidad de categorías, las cuales son difíciles de capturar mediante funciones objetivo estáticas y diseñadas manualmente.
Viabilidad operativa: Las soluciones deben ser desplegables en dispositivos de usuario final (específicamente entornos iOS con prioridad en el modo offline) con requisitos estrictos de latencia (velocidad interactiva) y restricciones de privacidad, lo que descarta el uso de Modelos de Lenguaje Extensos (LLM) dependientes de la nube.

Los enfoques existentes no logran cumplir con estos tres requisitos simultáneamente: los optimizadores clásicos garantizan la viabilidad pero carecen de un modelado de preferencias matizado; los métodos basados en aprendizaje capturan las preferencias pero a menudo violan las restricciones duras; y los LLM, aunque son capaces de la generación de lenguaje natural, producen con frecuencia programas inválidos (0% de viabilidad en el benchmark de los autores) y son incompatibles con el despliegue móvil offline de baja latencia.

2. Metodología: El Marco de Trabajo PLA

Los autores proponen Plan, Learn, Adapt (PLA), un marco de tres etapas diseñado para abordar conjuntamente la viabilidad, la deseabilidad y la viabilidad operativa.

Fase 1: PLAN (Generación de Diversidad Viable)

La etapa de Plan genera un conjunto estructuralmente diverso de itinerarios candidatos viables utilizando un ensamble heterogéneo de cinco algoritmos de planificación ligeros, todos los cuales comparten una capa de viabilidad unificada:

Algoritmos: Greedy (constructivo), Programación Dinámica (DP), Búsqueda en Árbol (Beam Search), Búsqueda A* y Simulated Annealing (SA).
Capa de Viabilidad: Un módulo de lógica compartido que impone restricciones duras (horas de visita, consistencia de tiempo de viaje, presupuestos de tiempo/costo, sin repeticiones) y calcula los tiempos de llegada más tempranos viables.
Objetivo: Aunque todos los planificadores optimizan una puntuación compuesta compartida (equilibrando la eficiencia de viaje, el tiempo de espera, la urgencia, la diversidad de categorías y la popularidad de los POI), sus distintos paradigmas de búsqueda producen itinerarios estructuralmente diferentes. Esta diversidad es crucial porque ningún algoritmo único domina en todos los contextos de viaje.

Fase 2: LEARN (Modelado de Preferencias Humanas)

La etapa de Learn ajusta un modelo de recompensa compacto para capturar la satisfacción latente del usuario a nivel de itinerario, en lugar de depender de puntuaciones por cada POI.

Recolección de Datos: Se recolectaron 2,519 comparaciones pareadas humanas de itinerarios completos en más de 100 ciudades de EE. UU. Los anotadores eligieron entre itinerarios generados por diferentes planificadores sin conocer su origen.
Arquitectura del Modelo: Se entrena un modelo de recompensa Bradley-Terry basado en aproximadamente 20 características interpretables a nivel de itinerario (por ejemplo, tiempo total de viaje, entropía de categoría, equilibrio de carga diaria, holgura del programa).
- El modelo utiliza una formulación basada en la diferencia: $P(x_a \succ x_b) = \sigma(R_\theta(x_a) - R_\theta(x_b))$ .
- Restricciones de Monotonía: El modelo impone el conocimiento del dominio (por ejemplo, un aumento en el tiempo de viaje no debería aumentar la recompensa) directamente durante la optimización.
Selección: El modelo de recompensa actúa como un selector, eligiendo el itinerario con la puntuación más alta del conjunto diverso generado en la etapa de Plan.

Fase 3: ADAPT (Refinamiento en el Dispositivo)

La etapa de Adapt realiza un refinamiento local guiado por la recompensa sobre el itinerario semilla seleccionado dentro de un presupuesto de cómputo estricto consciente del dispositivo.

Ediciones que Preservan la Viabilidad: El sistema aplica operadores atómicos (Eliminar, Insertar, Reemplazar, Intercambiar, Reubicar, MoverDía) al itinerario. Crucialmente, cada edición es seguida por un procedimiento de re-sincronización incremental que valida las restricciones. Si una edición viola una restricción, se descarta. Esto garantiza que cada estado intermedio permanezca viable, a diferencia de los métodos de reparación post-hoc.
Estrategia de Búsqueda: Un enfoque de ascenso de colinas (hill-climbing) con muestreo estocástico de vecindad selecciona movimientos que mejoran la puntuación de recompensa.
Conciencia de Recursos: El proceso de refinamiento está limitado por un presupuesto de tiempo dinámico (típicamente ~200–500 ms) ajustado según las señales del dispositivo (núcleos, memoria, modo de energía) para asegurar una latencia interactiva.

3. Contribuciones Clave

Ensamble de Planificadores Heterogéneos: Los autores demuestran empíricamente que ningún algoritmo de planificación único domina. Al combinar cinco algoritmos distintos, logran una tasa de victoria del 67.8% en comparaciones pareadas, una mejora de 11.2 puntos porcentuales sobre el mejor planificador individual (DP).
Modelado de Preferencias a Nivel de Itinerario: Más allá de la puntuación por POI, el artículo introduce un modelo Bradley-Terry compacto entrenado en comparaciones de itinerarios completos. Este modelo captura propiedades emergentes (ritmo, equilibrio de días) y logra una precisión del 67.6% en la validación cruzada de dejar un grupo de ciudades fuera (leave-one-city-out).
Refinamiento en el Dispositivo que Preserva la Viabilidad: La etapa de Adapt mejora la deseabilidad mientras garantiza el 100% de viabilidad por construcción. Logra una latencia promedio en el dispositivo de 109.9 ms, permitiendo una ejecución totalmente offline e interactiva.

4. Resultados Experimentales

Viabilidad vs. LLMs: En un benchmark contra tres LLM de frontera (GPT-5, Claude Opus 4.5, Gemini 3 Pro) sobre 294 itinerarios, los LLM lograron un 0% de viabilidad estricta, violando restricciones como el tiempo de viaje y los horarios de visita. En contraste, PLA mantuvo un 100% de viabilidad.
Desempeño del Ensamble: El ensamble guiado por recompensa superó al mejor planificador individual por 11.2 puntos (67.8% vs. 56.6% de tasa de victoria). La distribución de selección mostró una alta entropía (97.6% del máximo), confirmando que diferentes algoritmos contribuyen de manera única según el contexto.
Mejora por Refinamiento: La etapa de Adapt proporcionó mejoras de puntuación estadísticamente significativas en todos los algoritmos semilla. Por ejemplo, las semillas de A* vieron una mejora del 11.7%, mientras que las semillas del ensamble, que ya eran de alta puntuación, mejoraron un 3.9%.
Impacto en Producción: Desplegado en la aplicación iOS FlyEnJoy, PLA aumentó las tasas de finalización de itinerarios en un 91% y las iniciaciones en un 83% en comparación con una base de un solo heurístico, mientras redujo el tiempo promedio de sesión por usuario en un 38%.

5. Significado y Reivindicaciones

El artículo afirma que PLA proporciona un plano viable para la planificación alineada con el humano bajo restricciones de despliegue del mundo real. Su importancia radica en resolver el compromiso entre viabilidad y deseabilidad sin depender de la IA en la nube:

Robustez: Al separar la viabilidad (Plan) de la el aprendizaje de preferencias (Learn) y utilizar el refinamiento que preserva la viabilidad (Adapt), el sistema evita el problema de los "programas inválidos" común en los enfoques de aprendizaje y la IA generativa.
Portabilidad: El uso de un modelo de recompensa compacto e interpretable y operadores de búsqueda ligeros permite que el sistema se ejecute enteramente en el dispositivo, apoyando casos de uso offline (aeropuertos, vuelos) donde las APIs de la nube no están disponibles o son demasiado costosas.
Practicidad: El marco demuestra que la planificación compleja de varios días puede ejecutarse con latencia interactiva (<300 ms) mientras se adhiere estrictamente a las restricciones duras, una capacidad que los LLM de frontera actuales carecen en este dominio específico.

Los autores concluyen que, si bien los LLM luchan con las restricciones duras, un enfoque híbrido estructurado que combine la optimización clásica, el aprendizaje de preferencias y la búsqueda local con restricciones puede ofrecer resultados superiores y listos para producción para la generación de itinerarios personalizados.