Planlama, yapay zeka (YZ) alanında, bir ajanın veya sistemin belirli bir hedefe ulaşmak için başlangıç durumundan hareketle ve belirli kısıtlamalara uyarak eylemler dizisi oluşturma yeteneğini ifade eder. Bu disiplin, çevre, mevcut kaynaklar, belirsizlikler ve ajanlar arası etkileşimleri dikkate alarak stratejik karar almayı otomatikleştirmeyi amaçlar. Planlama, eylemlerin zamansal olarak yapılandırılmasına ve ardışık veya paralel görevlerin karmaşıklığının yönetilmesine odaklanmasıyla optimizasyondan ayrılır.
Kullanım alanları ve uygulama örnekleri
Planlama, otonom robotik (navigasyon, nesne manipülasyonu), lojistik (depo yönetimi, araç güzergah planlaması), endüstriyel üretimde görev çizelgeleme, uzay görevlerinin yönetimi ve strateji oyunlarında temel bir rol oynar. Örneğin, otomatik bir depoda planlama sistemi, ürünlerin toplanması için en uygun sırayı belirler. Robotikte ise, bir robotun engellerden kaçınarak hareketlerini planlamasını sağlar.
Başlıca yazılım araçları, kütüphaneler, frameworkler
Başlıca araçlar arasında planlama problemlerinin modellenmesi için standart olan PDDL (Planning Domain Definition Language) yer alır. Yaygın olarak kullanılan çözücüler arasında Fast Downward, OPTIC ve LPG bulunur. Robotikte, MoveIt! kütüphanesi (ROS için) gelişmiş hareket planlama yetenekleri sunar. Ayrıca AIPlan4EU ve pyperplan gibi frameworkler, planlamanın daha büyük sistemlere entegrasyonunu kolaylaştırır.
Son gelişmeler, evrimler ve eğilimler
Planlama, giderek makine öğrenimiyle daha fazla bütünleşmekte ve sistemlerin deneyime dayalı strateji uyarlamasını mümkün kılmaktadır. Sembolik planlamayla sinir ağı modellerinin birleştiği hibrit yaklaşımlar, çoklu ajanlı ve işbirlikçi planlama teknikleri artış göstermektedir. Güncel zorluklar arasında gerçek zamanlı planlama, belirsizlik yönetimi ve kısmen gözlemlenebilir ortamlara adaptasyon yer almaktadır. Diğer YZ modülleriyle (algılama, diyalog) birlikte çalışabilirlik, aktif bir araştırma alanıdır.
