Resumo Técnico: EvoPlan

Definição do Problema

O artigo aborda o desafio de executar tarefas robóticas em linguagem natural em ambientes parcialmente conhecidos e dinâmicos, satisfazendo normas implícitas (ex: regras de segurança, preferências sociais) que não estão explicitamente declaradas no comando da tarefa. Os autores identificam três dificuldades centrais que tornam as soluções padrão ineficazes:

1. Observabilidade Parcial e Dinâmica: O modelo de mundo é incompleto e as trajetórias do agente devem ser rastreadas online, fazendo com que planejadores que dependem de ambientes totalmente especificados falhem.
2. Subespecificação do Prompt: Tarefas em linguagem natural frequentemente omitem requisitos normativos. Um planejador que otimiza apenas para o objetivo explícito pode satisfazer o prompt, mas violar normas implícitas (ex: chegar a um destino atravessando um sinal vermelho).
3. Dados de Classe Única: Os únicos dados prévios disponíveis consistem em registros de operação não anotados, onde cada traço registrado é "aceitável". Não há violações rotuladas, pares de preferência ou especificações simbólicas das normas, o que torna inaplicáveis o ajuste de recompensa padrão, o aprendizado por imitação (behavior cloning) ou o RL baseado em preferências.

Metodologia: O Framework EvoPlan

O EvoPlan é um framework neuro-simbólico que integra Grandes Modelos de Linguagem (LLMs) com verificação formal e busca evolutiva. Ele opera em três estágios distintos:

1. Mineração de Restrições Offline (Ajuste de STL Evolutivo)

O sistema aprende uma única restrição global de Lógica Temporal de Sinais (STL), $\Phi_{mob}$, a partir de dados de demonstração não anotados.

• Síntese Contrafactual: Como os dados são de classe única (todos aceitáveis), o sistema gera uma classe negativa ($D^-$) usando perturbações procedurais (ex: excesso de velocidade, aglomeraçãoção) e um gerador de violações baseado em LLM. Isso transforma o problema em uma tarefa de classificação supervisionada.
• Busida Evolutiva: Uma busca evolutiva impulsionada por LLM (inspirada no AlphaEvolve) evolui fórmulas STL sobre uma gramática de átomos de sinal (velocidade, folga, tempo para colisão, etc.). A função de aptidão (fitness) maximiza a robustez no conjunto positivo ($D^+$) enquanto minimiza a satisfação no conjunto negativo ($D^-$), penalizando a complexidade.
• Versatilidade: Este procedimento único recupera tanto regras codificadas (ex: "parar no sinal vermelho" a partir de logs do nuPlan) quanto preferências populacionais (ex: espaçamento social a partir de dados de teleoperação do SCAND).

2. Síntese de Plano PDDL Evolutivo

O sistema emprega um Planejador PDDL Evolutivo para gerar sequências de ações discretas.

• LLM como Mecanismo de Proposta: Em vez de um planejador autônomo, o LLM propõe e repara planos PDDL contra um domínio e um problema fixos.
• Cascata de Validação: Uma cascata programática (verificação de sintaxe PDDL, simulação VAL, alcance de objetivo e verificação de robustez de STL) pontua os candidatos.
• Reparo Iterativo: O LLM condiciona sua próxima mutação ao feedback específico do validador (ex: "a ação X falhou na precondição Y"). Isso permite que o "prefixo verificado" do plano cresça monotonicamente ao longo das iterações.
• Robustez à Desalinhamento: O sistema lida com cenários de mundo aberto e desalinhamento de vocabulário (ex: objetivo "aquecer" vs. ação "torrar") usando um LLM para derivar um mapa de predicado-símbolo antes da validação.

3. Ciclo de Execução com Restrições

Em tempo de execução, o sistema faz a ponte entre o plano PDDL discreto e a execução robótica contínua.

• Expansão de Waypoints: Cada ação PDDL é despachada para uma camada de navegação (ex: Nav2), que gera uma sequência de waypoints.
• Blindagem (Shielding): A sequência de waypoints é verificada contra a restrição global de STL minerada $\Phi_{mob}$.
• Replanejamento por Violação: Se a sequência violar $\Phi_{mob}$, a ação é rejeitada. O sistema compromete o prefixo verificado do plano, atualiza o estado inicial com base no estado atual do mundo e reinvoca o planejador para gerar um novo sufixo. Isso cria um sistema de malha fechada onde o planejador é reativado apenas quando a segurança ou a viabilidade é comprometida.

Principais Contribuições

1. Mineração de STL Baseada em Dados: Um método para extrair uma única restrição de mobilidade global de dados de demonstração de classe única através da síntese de negativos contrafactuais, aplicável a domínios baseados em regras e de preferências.
2. Solucionador PDDL Evolutivo: Um planejador que utiliza LLMs para proposta e reparo dentro de um loop formalmente verificado, demonstrando robustez ao desalinhamento de vocabulário e crescimento de crença de mundo aberto.
3. Arquitetura de Execução com Restrições: Um loop de tempo de execução que compila planos PDDL em waypoints, valida-os contra restrições de STL aprendidas e dispara o replanejamento após violações, garantindo segurança sem retreinar a política subjacente.
4. Implantação Local: Todo o pipeline, incluindo todas as chamadas de LLM, roda em um modelo de pesos abertos hospedado localmente (Qwen3-32B), permitindo a implantação no robô sem dependência de nuvem.

Resultados Experimentais

Os autores avaliam o framework através de três benchmarks:

• Transferência de Restrição STL (Blindagem):
  • Direção (nuPlan $\to$ Bench2Drive): A restrição baseada em regras minerada reduziu infrações de sinal vermelho em 77% e colisões em 71% em uma política de direção Qwen2.5-VL, melhorando a Pontuação de Direção geral.
  • Navegação Social (SCAND $\to$ HA-VLN-CE): A restrição de preferência minerada reduziu contatos evitáveis em 82% (PointNav) e 93% (MLP) em tarefas de navegação interna, comprimindo efetivamente a "cauda insegura" das distribuições de segurança.
• Desempenho de Planejamento (ALFWorld Text):
  • No benchmark de mundo aberto ALFText, o EvoPlan alcançou uma taxa de sucesso de 98,5% em tarefas não vistas, superando baselines fortes (ex: NL-PDDL com 94%, LLMs Diretos com ~20%).
  • Crucialmente, manteve este desempenho (98,5%) mesmo quando o vocabulário do objetivo não correspondia ao vocabulário do modelo de ação, enquanto outros métodos caíram significativamente.
  • Resolveu tarefas com planos ótimos que excediam a profundidade 10, onde planejadores de horizonte fixo falharam.
• Execução End-to-End (Gazebo):
  • Em um ambiente de fábrica simulado com 9–15 pedestres, o sistema completou missões de coleta e entrega com degradação graciosa. Embora uma missão tenha falhado devido à densidade extrema, o sistema manteve baixa exposição ao espaço pessoal e evitou colisões em quatro de cinco execuções ao replanejar quando os limites de folga foram violados.

Significância e Alegações

O artigo afirma que o EvoPlan oferece uma abordagem de "melhor dos dois mundos": ele aproveita a fluência e a consciência de contexto dos LLMs para geração e reparo de planos, enquanto depende da validação simbólica e da lógica temporal derivada de dados para garantir executabilidade e segurança.

Os autores enfatizam que o sistema trata os modelos neurais como geradores de candidatos, e não como fontes de autoridade não verificada. Ao aprender restrições diretamente de logs operacionais não anotados, o framework evita a necessidade de especificações de segurança escritas manualmente ou dados de violação rotulados. Os resultados sugerem que este loop neuro-simbólico é robusto a dinâmicas de mundo aberto e desalinhamento de vocabulário, fornecendo um caminho para implantar planejadores robóticos seguros e adaptáveis que não requerem infraestrutura de nuvem.