Resumen: La planificación es una de las tareas más críticas en los sistemas autónomos, donde incluso un pequeño error puede conducir a fallas importantes o pérdidas de un millón de dólares. Los enfoques actuales de planificación neuronal de vanguardia luchan con dominios complejos, produciendo planes con preacondiciones faltantes, objetivos inconsistentes y alucinaciones. Si bien los planificadores clásicos ofrecen garantías lógicas, carecen de la flexibilidad y las capacidades de comprensión del lenguaje natural necesarios para los sistemas autónomos modernos. Los enfoques neuroimbólicos existentes usan la traducción de un solo disparo del lenguaje natural a los planes formales, sin la oportunidad de que los componentes neuronales y simbólicos trabajen y refinen las soluciones juntas. Para abordar esta brecha, desarrollamos bucle: un nuevo marco de planificación neuroimbólica que trata la planificación como una conversación iterativa entre los componentes neuronales y simbólicos en lugar de la simple traducción. Loop integra 13 características neuronales coordinadas que incluyen redes neuronales gráficas para relaciones espaciales, validación de múltiples agentes para la corrección basada en consenso, la descomposición jerárquica para la gestión de tareas complejas y la memoria causal que aprende tanto de los éxitos como de las fallas. A diferencia de los enfoques existentes, el bucle genera especificaciones PDDL, los refina de forma iterativamente en función de la retroalimentación simbólica y construye una base de conocimiento causal a partir de trazas de ejecución. El bucle se evaluó en seis dominios de referencia de IPC estándar, donde alcanzó una tasa de éxito del 85.8%en comparación con LLM+P (55.0%), LLM-As-Planner (19.2%) y el árbol de pensamientos (3.3%). Este trabajo muestra que la clave para la planificación confiable no es la elección entre redes neuronales o razonadores simbólicos, pero radica en hacerlos realmente “ hablar ” el uno al otro durante todo el proceso. Loop proporciona un plano completo para construir sistemas autónomos que finalmente se puedan confiar en aplicaciones críticas del mundo real.
Publicado Originalme en export.arxiv.org El 19 de agosto de 2025.
Ver Fuente Original
