Riepilogo Tecnico: EvoPlan

Definizione del Problema

Il documento affronta la sfida di eseguire compiti robotici in linguaggio naturale in ambienti parzialmente noti e dinamici, rispettando al contempo norme implicite (ad esempio, regole di sicurezza, preferenze sociali) che non sono esplicitamente dichiarate nel prompt del compito. Gli autori identificano tre difficoltà principali che rendono inefficaci le soluzioni standard:

1. Osservabilità Parziale e Dinamica: Il modello del mondo è incompleto e le traiettorie dell'agente devono essere tracciate online, causando il fallimento dei pianificatori che si affidano ad ambienti completamente specificati.
2. Sottospecificazione del Prompt: I compiti in linguaggio naturale spesso omettono i requisiti normativi. Un pianificatore che ottimizza esclusivamente per l'obiettivo esplicito può soddisfare il prompt pur violando norme implicite (ad esempio, raggiungere una destinazione attraversando un semaforo rosso).
3. Dati a Classe Unica: L'unica disponibilità di dati pregressi consiste in log operativi non annotati dove ogni traccia registrata è "accettabile". Non esistono violazioni etichettate, coppie di preferenze o specifiche simboliche delle norme, rendendo inapplicabili lo shaping della ricompensa standard, il behavior cloning o il RL basato sulle preferenze.

Metodologia: Il Framework EvoPlan

EvoPlan è un framework neuro-simbolico che integra i Large Language Models (LLM) con la verifica formale e la ricerca evolutiva. Opera in tre fasi distinte:

1. Estrazione Offline dei Vincoli (Fitting STL Evolutivo)

Il sistema apprende un singolo vincolo globale di Logica Temporale del Segnale (STL), $\Phi_{mob}$, da dati di dimostrazione non annotati.

• Sintesi Controfattuale: Poiché i dati sono a classe unica (tutti accettabili), il sistema genera una classe negativa ($D^-$) utilizzando perturbazioni procedurali (ad esempio, velocità eccessiva, affollamento) e un generatore di violazioni basato su LLM. Questo trasforma il problema in un compito di classificazione supervisionata.
• Ricerca Evolutiva: Una ricerca evolutiva guidata da LLM (ispirata ad AlphaEvolve) evolve formule STL su una grammatica di atomi di segnale (velocità, distanza di sicurezza, tempo di collisione, ecc.). La funzione di fitness massimizza la robustezza sul set positivo ($D^+$) minimizzando al contempo la soddisfazione sul set negativo ($D^-$), penalizzando la complessità.
• Versatilità: Questa singola procedura recupera sia regole codificate (ad esempio, "fermarsi ai semafori rossi" dai log di nuPlan) sia preferenze della popolazione (ad esempio, spazio sociale dai dati di teleoperazione SCAND).

2. Sintesi del Piano PDDL Evolutivo

Il sistema impiega un Pianificatore PDDL Evolutivo per generare sequenze di azioni discrete.

• LLM come Meccanismo di Proposta: Invece di un pianificatore autonomo, l'LLM propone e ripara piani PDDL rispetto a un dominio e un problema fissi.
• Cascata di Validazione: Una cascata programmatica (controllo della sintassi PDDL, simulazione VAL, raggiungibilità dell'obiettivo e controllo della robustezza STL) valuta i candidati.
• Riparazione Iterativa: L'LLM condiziona la sua successiva mutazione sul feedback specifico del validatore (ad esempio, "l'azione X ha fallito la precondizione Y"). Ciò consente al "prefisso verificato" del piano di crescere monotonicamente attraverso le iterazioni.
• Robustezza al Disallineamento: Il sistema gestisce scenari di mondo aperto e disallineamento del vocabolario (ad esempio, obiettivo "riscaldato" vs azione "tostare") utilizzando un LLM per derivare una mappa predicato-simbolo prima della validazione.

3. Ciclo di Esecuzione Vincolato

Al runtime, il sistema collega il piano PDDL discreto all'esecuzione continua del robot.

• Espansione dei Waypoint: Ogni azione PDDL viene inviata a uno strato di navigazione (ad esempio, Nav2) che genera una sequenza di waypoint.
• Shielding (Schermatura): La sequenza di waypoint viene controllata rispetto al vincolo STL globale estratto $\Phi_{mob}$.
• Replanning in caso di Violazione: Se la sequenza viola $\Phi_{mob}$, l'azione viene rifiutata. Il sistema si impegna sul prefisso verificato del piano, aggiorna lo stato iniziale in base allo stato attuale del mondo e richiama il pianificatore per generare un nuovo suffisso. Questo crea un sistema a ciclo chiuso in cui il pianificatore viene riattivato solo quando la sicurezza o la fattibilità sono compromesse.

Contributi Chiave

1. Estrazione di STL basata sui Dati: Un metodo per estrarre un singolo vincolo di mobilità globale da dati di dimostrazione a classe unica, applicabile sia a domini basati su regole che su preferenze.
2. Solver PDDL Evolutivo: Un pianificatore che utilizza gli LLM per la proposta e la riparazione all'interno di un ciclo formalmente verificato, dimostrando robustezza al disallineamento del vocabolario e alla crescita della credenza in mondo aperto.
3. Architettura di Esecuzione Vincolata: Un ciclo di runtime che compila i piani PDDL in waypoint, li valida rispetto ai vincoli STL appresi e attiva il replanning in caso di violazione, garantendo la sicurezza senza dover riaddestrare la policy sottostante.
4. Distribuzione Locale: L'intera pipeline, inclusi tutti i richiami LLM, gira su un modello open-weight ospitato localmente (Qwen3-32B), consentendo il deployment sul robot senza dipendenza dal cloud.

Risultati Sperimentali

Gli autori valutano il framework attraverso tre benchmark:

• Trasferimento del Vincolo STL (Shielding):
  • Guida (nuPlan $\to$ Bench2Drive): Il vincolo basato su regole estratto ha ridotto le infrazioni ai semafori rossi del 77% e le collisioni del 71% su una policy di guida Qwen2.5-VL, migliorando il punteggio di guida complessivo.
  • Navigazione Sociale (SCAND $\to$ HA-VLN-CE): Il vincolo basato sulle preferenze estratto ha ridotto i contatti evitabili dell'82% (PointNav) e del 93% (MLP) nei compiti di navigazione indoor, comprimendo efficacementamente la "coda insicura" delle distribuzioni di sicurezza.
• Prestazioni di Pianificazione (ALFWorld Text):
  • Sul benchmark open-world ALFText, EvoPlan ha raggiunto un tasso di successo del 98,5% su compiti non visti, superando i baseline forti (ad esempio, NL-PDDL al 94%, Direct LLMs a circa il 20%).
  • Fondamentalmente, ha mantenuto questa prestazione (98,5%) anche quando il vocabolario dell'obiettivo non corrispondeva al vocabolario del modello di azione, mentre altri metodi calavano significativamente.
  • Ha risolto compiti con piani ottimali che superavano la profondità 10, dove i pianificatori a orizzonte fisso fallivano.
• Esecuzione End-to-End (Gazebo):
  • In un ambiente di fabbrica simulato con 9–15 pedoni, il sistema ha completato missioni di prelievo e rilascio con degradazione aggraziata. Sebbene una missione sia fallita a causa dell'estrema densità, il sistema ha mantenuto una bassa esposizione allo spazio personale ed ha evitato collisioni in quattro casi su cinque replannificando quando i limiti di spazio libero venivano violati.

Significato e Rivendicazioni

Il documento afferma che EvoPlan offre un approccio "il meglio di entrambi i mondi": sfrutta la fluidità e la consapevolezza del contesto degli LLM per la generazione e la riparazione dei piani, pur facendo affidamento sulla validazione simbolica e sulla logica temporale derivata dai dati per garantire l'eseguibilità e la sicurezza.

Gli autori sottolineano che il sistema tratta i modelli neurali come generatori di candidati piuttosto che come fonti di autorità non controllata. Imparando i vincoli direttamente dai log operativi non annotati, il framework evita la necessità di specifiche di sicurezza scritte manualmente o di dati di violazione etichettati. I risultati suggeriscono che questo ciclo neuro-simbolico è robusto alla dinamica del mondo aperto e al disallineamento del vocabolario, fornendo una via per il deployment di pianificatori robotici sicuri e adattivi che non richiedono infrastrutture cloud.