3. 任务规划核心概念
在驾驶智能体系统中，任务规划不是简单地把“从A到B”翻译成一条路径，而是要在动态、开放、多约束的真实道路环境中，把高层意图逐步展开为可执行、可监控、可恢复的动作序列。理解任务规划的核心概念，是后续工具调用、行为决策与执行控制的基础。本节围绕规划层次、符号规划与反应式规划、目标分解、约束条件以及时间与资源管理五个关键维度展开。
一、规划层次：从意图到动作的分级展开
驾驶任务天然具有层次性。乘客说“送我去机场”，这是一个任务级意图；系统需要将其展开为“选择路线—进入主路—通过收费站—到达航站楼—寻找落客区—停车”等子任务；每个子任务再细化为行为级动作，如“变道至最右侧车道”“减速至40km/h”“打右转向灯”；最终由控制级指令输出油门、刹车、转向角等连续量。这种“任务—行为—控制”的三层结构，使规划器能够在不同抽象粒度上分别推理，避免高层被低层细节淹没，也避免低层缺乏全局目标牵引。
层次划分的关键在于抽象边界：高层关注“做什么”，低层关注“怎么做”。若边界模糊，容易出现高层频繁干预底层控制，或底层行为无法回溯到任务目标的问题。工程上通常用状态机或行为树承载层次结构，并保证每层都有明确的进入条件、退出条件和失败回退策略。
二、符号规划与反应式规划：两种推理范式的协同
符号规划以显式状态、动作和前提—效果模型为基础，适合处理逻辑性强、可枚举、需要全局优化的任务。例如“先加油再还车”这类具有严格先后约束的任务，符号规划可以清晰表达动作序列与资源占用。其优势是可解释、可验证，但面对突发加塞、行人横穿等未建模事件时响应较慢。
反应式规划则不依赖完整世界模型，而是根据当前感知直接映射到行为，如“前方障碍物距离小于阈值则减速”。它响应快、鲁棒性强，但缺乏全局视野，容易陷入局部最优或死循环。实际驾驶智能体通常采用混合架构：上层用符号规划生成任务骨架与关键节点，下层用反应式策略处理实时避障与动态调整，两者通过共享状态和优先级仲裁协同工作。
三、目标分解：把“去机场”拆成可执行单元
目标分解的核心是可执行性与可验证性。一个合格子目标应满足：有明确的完成条件、有可观测的状态量、有失败判定与回退路径。以“去机场”为例，可分解为：
- 路线规划子目标：确定主路线与备选路线，完成条件为“生成至少一条可行路径且预计到达时间满足航班要求”。
- 行驶子目标：按路线行驶，完成条件为“到达机场入口匝道”。
- 落客子目标：进入落客区并安全停车，完成条件为“车辆停稳且车门可开启”。
- 异常处理子目标：如遇拥堵、封路、电量不足，触发重规划或资源补充。
分解时需注意粒度匹配：粒度过粗会导致底层无法执行，粒度过细会导致规划器频繁重算。通常以“一个行为可在数秒到数十秒内完成”作为行为级子目标的参考粒度。
四、约束条件：规划必须同时满足的硬性与软性边界
驾驶任务规划中的约束可分为硬约束与软约束。硬约束不可违反，如交通法规、车辆动力学极限、安全距离；软约束用于优化体验，如舒适度、能耗、时间偏好。规划器需要在满足硬约束的前提下，尽量优化软约束目标。
| 约束类型 | 典型示例 | 违反后果 | 处理策略 |
|---|---|---|---|
| 法规硬约束 | 限速、红灯停、禁止掉头 | 违章、安全风险 | 作为不可逾越边界，直接剪枝 |
| 动力学硬约束 | 最大转向角、制动距离 | 失控、碰撞 | 在控制层做可行性校验 |
| 时间软约束 | 预计到达时间、航班起飞 | 误机、体验下降 | 调整路线或速度策略 |
| 资源软约束 | 电量、燃油、停车位 | 中途补能、绕行 | 提前规划补能节点 |
| 舒适度软约束 | 加速度、 jerk、变道频率 | 乘客不适 | 平滑优化，降低权重 |
五、时间与资源管理：规划的可执行性保障
时间管理要求规划器不仅输出“做什么”，还要输出“何时做”与“多久完成”。常用手段包括时间窗约束、关键路径分析和动态重规划。例如，若预计到达机场时间晚于航班值机截止时间，系统应主动建议改道、提速或更换交通方式。
资源管理则关注车道、充电桩、停车位、算力与通信带宽等有限资源的分配。在车队场景中，多个智能体可能竞争同一充电桩或落客区，需要引入预约、排队或优先级机制。以下是一个简化的资源检查伪代码：
def check_resources(plan, vehicle):
if plan.energy_needed > vehicle.remaining_energy:
return "NEED_RECHARGE", plan.nearest_charger
if plan.parking_spot is None:
return "NEED_PARKING", plan.alternative_lots
if plan.time_window.end < now + plan.estimated_duration:
return "TIME_RISK", plan.faster_route
return "OK", None
六、常见误区与复盘
- 误区一：把反应式策略当全局规划。仅靠“遇障减速”无法完成“去机场”这类多阶段任务，必须有符号层提供目标牵引。
- 误区二：目标分解粒度过粗。“安全到达机场”无法直接执行，必须拆到行为级并绑定完成条件。
- 误区三：忽略软约束的累积效应。频繁急刹、变道虽不违章，但会显著降低乘客信任度。
- 误区四：资源检查滞后。规划完成后才发现电量不足，会导致中途被动补能，破坏时间窗。