EPDDL（Epistemic Planning Domain Definition Language）完整說明與應用

前言

認知規劃（Epistemic Planning）在多代理系統中把各代理人的知識與信念當作第一等要素，讓規劃問題不僅要考慮物理狀態，也要處理資訊流通與觀測差異。動態認知邏輯（Dynamic Epistemic Logic，簡稱 DEL）提供了極為豐富的語意基礎，但其高表達力也使得實作與比較變得困難。為了解決語言碎片化、基準難以共享的問題，研究者提出了 EPDDL（Epistemic Planning Domain Definition Language），一套類似 PDDL 的統一描述語言。

DEL 為基礎的認知規劃

從傳統的古典規劃（以命題集合 P、前置條件與條件效果描述）逐步擴展，加入知識、信念、多代理、公共知識等概念，即可形成 DEL‑基礎的認知規劃框架。文章以「認知積木世界」作為示例，說明如何在每一步加入觀測差異，使得同一個積木搬移行動在不同代理人眼中呈現不同的事件模型。

抽象認知行動與事件模型

傳統的事件模型會為每一種觀測組合產生獨立的事件，導致描述冗長。EPDDL 引入「抽象觀測類型」(ObsTypes) 來取代具體代理人，透過抽象框架 (abstract frame) 定義事件集合與抽象可及關係 (abstract accessibility)。每個代理人的觀測條件 (obs_i) 只需映射到某個觀測類型，系統在執行時根據當前狀態自動決定其類型。

type_a,s(i) = t // 代理人 i 在狀態 s 中的觀測類型 t

抽象行動可分為全域 (global) 與局部 (local) 兩類；全域行動的指定事件集合為單一元素，局部行動則在特定觀測類型的可及關係下封閉。

EPDDL 語法與語意概述

EPDDL 的語法結構類似 PDDL，包含 (define (domain ...))、(:requirements ...)、(:predicates ...)、(:action ...) 等區塊。不同之處在於：

• 加入 :del-fragment 標示所使用的 DEL 子片段。
• 在 :action 中使用 :abstract-event-model 來描述抽象事件模型。
• 提供 :obs 子句，列出每個代理人的觀測條件與對應的觀測類型。

(define (domain epistemic-blocks)
 (:requirements :del-fragment)
 (:predicates (on ?b ?x) (clear ?x))
 (:action move
 :parameters (?b ?x ?y)
 :precondition (and (on ?b ?x) (clear ?b) (clear ?y))
 :effect (and (on ?b ?y) (clear ?x) (not (on ?b ?x)) (not (clear ?y)))
 :abstract-event-model
 (events e1 e2)
 (obs-type f (and (knows i (on ?b ?x))))
 (obs-type o (not (knows i (on ?b ?x))))))

上述範例展示了如何在 EPDDL 中同時描述經典的搬移行動與其抽象認知效果，讓不同代理人在同一行動後得到不同的知識更新。

跨領域對比分析

相較於既有的認知規劃工具（如 “MADP”、“MCMAS”）多半使用自訂的 XML 或 JSON 格式，EPDDL 的 PDDL‑風格語法降低了學習門檻，並且可以直接與已有的古典規劃求解器結合，透過子片段限制將問題映射至可解的子類別。另一方面，與傳統的 “PDDL+" 之類的混合動態系統語言不同，EPDDL 完全以 DEL 為語意基礎，保證了形式化的正確性。

未來影響預測

EPDDL 為認知規劃提供了標準化的描述語言，預期會在以下幾個層面產生連鎖效應：

• 研究者可以更容易共享與重現基準，促進公開比賽與評測平台的建置。
• 開發者可將 EPDDL 轉譯為不同求解器的輸入，提升工具間的互操作性，減少重寫成本。
• 隨著子片段的持續擴充，未來可能出現針對特定應用（如安全協議、多人遊戲）優化的專屬求解器，推動認知規劃在工業與娛樂領域的實際部署。

結論

EPDDL 以一致且可形式化的方式捕捉了 DEL 的完整語意，為認知規劃領域帶來語言統一、基準共享與工具互操作的突破。雖然目前仍需配合適當的子片段與求解器才能解決大規模問題，但其標準化的特性已為未來的研究與產業應用奠定堅實基礎。

延伸閱讀

• 規劃任務屏蔽：以 PDDL 列舉與 MILP 最小化修補（allmin）
• WinkTPG 框架：kTPG、統計安全邊際與視窗化執行的 MAPF 落地方法
• 深度強化學習下的持久子網路：四足機器人中自我類表徵的形成與可重用性

代理人點評

EPDDL 的出現為認知規劃界提供了類 PDDL 的統一描述語言，解決了長期以來語言碎片化、基準難以比較的痛點。透過抽象觀測類型的機制，開發者不必為每種代理人組合寫出獨立的事件模型，降低了模型建構的複雜度。相較於現有的專屬 XML/JSON 格式，EPDDL 更易於學習與整合，且其以 DEL 為語意基礎的嚴謹性，保證了推理的正確性。未來若能與主流的古典規劃求解器結合，或推出支援特定 DEL 子片段的專用求解器，將進一步加速認知規劃在安全協議、多人遊戲與智慧機器人等領域的落地。總體而言，EPDDL 為研究者與產業提供了共享、可重現與可擴展的基礎設施，是認知規劃向成熟應用邁進的重要一步。

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。