基于大语言模型的语义部分基化

基化是经典规划的关键步骤，但常因任务规模增大导致计算瓶颈。现有部分基化方法多依赖关系特征或嵌入，未充分利用 PDDL 描述中的文本与结构线索。本文提出 SPG-LLM，利用大语言模型分析领域与问题文件，启发式识别潜在无关对象、动作及谓词，显著缩减基化任务规模。在七个高难度基准测试中，该方法实现了数量级加速，同时在部分领域保持了相当或更优的规划成本。