[论文解读] Planimation

Gang Chen, Yi Ding+10 more|arXiv (Cornell University)|Aug 11, 2020

AI-based Problem Solving and Planning被引用 4

一句话总结

Planimation 是一个开源的、基于网络的框架，通过可扩展的动画配置文件可视化 PDDL 规划解决方案，利用基于精灵的动态动画实现对计划执行的直观理解。它通过将 PDDL 扩展为声明式动画规则，将可视化与规划解耦，使建模者能够通过视觉反馈调试计划并改善模型与求解器之间的对齐。

ABSTRACT

Planimation is a modular and extensible open source framework to visualise sequential solutions of planning problems specified in PDDL. We introduce a preliminary declarative PDDL-like animation profile specification, expressive enough to synthesise animations of arbitrary initial states and goals of a benchmark with just a single profile.

研究动机与目标

• 通过支持 PDDL 解决方案的可视化调试，弥合 AI 规划中的反馈回路。
• 通过将抽象计划转化为直观的视觉序列，降低理解计划动态的认知负荷。
• 通过视觉提示帮助建模者检测其心智模型与 PDDL 规范之间的错位。
• 提供一个模块化、可扩展的框架，可与现有规划器和可视化流水线集成。
• 通过支持人类参与的计划正确性与行为验证，提升 AI 规划的可解释性。

提出的方法

• 通过为每个对象或类型指定视觉属性（位置、颜色、大小、图像）的声明式动画配置文件扩展 PDDL。
• 使用动画配置文件中的效果动态更新对象属性（例如 x、y、颜色），基于每个状态中谓词的真值。
• 引入约束函数如 `distributex`、`distributey`、`distribute_grid_around_point` 和 `align_middle`，根据状态条件自动布局对象。
• 采用两部分架构：Unity WebGL 可视化引擎和基于 Python 的 Web API 求解器，后者通过 solver.planning.domains API 与规划器交互。
• 生成基于 JSON 的可视化文件（VFG）以实现持久化存储和离线回放，支持导出为 GIF 或 WebM 格式。
• 实现一个带有交互控件的 Web 界面：逐步导航、子目标追踪、播放速度调节以及目标状态可视化。

实验结果

研究问题

• RQ1 视觉反馈在多大程度上能提升对 PDDL 规划问题中建模错误的检测？
• RQ2 声明式动画配置文件在多大程度上能将可视化与规划解耦，同时保持足够表达力以适应多样化领域？
• RQ3 自动布局函数（如 `distributex`）能否减少手动配置并提升计划可视化的一致性？
• RQ4 视觉化计划动画在多大程度上能支持人类对规划解决方案的理解与调试？
• RQ5 可视化计划执行对 AI 规划系统的可解释性与可用性有何影响？

主要发现

• Planimation 能够成功可视化来自多个领域（包括 Blocksworld、Grid、Logistics 和 Hanoi 塔）的 PDDL 问题的顺序计划。
• 使用 `distributex` 等约束函数可实现对象（如桌面上的积木）的自动、一致布局，无需手动指定坐标。
• 动画配置文件使建模者能够仅通过一个动画文件即可轻松扩展 PDDL 问题，实现丰富的视觉反馈，而无需修改核心求解器。
• 该框架支持交互式探索：用户可点击动作跳转至特定状态，实时检查前提条件与效果，并追踪子目标的满足情况。
• 系统支持将可视化导出为 JSON、GIF 或 WebM 格式，便于复用、共享，并集成至教育或调试工作流中。
• Planimation 已作为 Web 应用部署在 planimation.planning.domains，并在 GitHub 上开源，设计时充分考虑了社区的活跃开发与可扩展性。