Long-horizon Task Planning for Robots: A Survey

该论文是机器人长程任务规划领域的综合性综述，系统梳理了机器人完成需要数十步甚至数百步操作的长程任务的各类方法。长程任务规划是机器人领域的核心挑战，因为任务空间巨大、约束复杂、需要多层级抽象和推理。论文将方法分为五大类：1）分层规划，包括层次任务网络（HTN）、分层强化学习（HRL）、选项框架（Options）、封建网络（Feudal Networks）等；2）符号-神经规划，包括神经符号规划、大语言模型规划、LLM+机器人操作等；3）基于技能的规划，包括技能库构建、技能序列规划、技能组合与泛化等；4）目标条件规划，包括目标条件强化学习、后见之明经验回放（HER）、目标生成等；5）基于搜索的规划，包括蒙特卡洛树搜索（MCTS）、前向搜索、回溯搜索等。论文详细讨论了长程任务的表示方法（符号表示、子目标表示、技能表示）、任务分解方法、信用分配问题、探索问题，以及在家务机器人、工业装配、服务机器人、自动驾驶等领域的应用。该综述引用超过700次，是长程任务规划领域的重要参考资料。