行动模型学习是什么？让 AI 学会每个动作的前提和效果

行动模型学习（Action Model Learning）是人工智能中自动学习“动作会带来什么”的过程。这个英文术语目前还没有明确统一的中文译名，“行动模型学习”是根据它的定义直译的。它的目标是开发一种模型，用来预测智能体在环境中执行某个动作后会产生什么结果，从而让智能体能够进行规划。

什么是行动模型

在人工智能的自动规划领域，一个“行动模型”描述了每一个动作的两方面信息：前提条件，也就是执行这个动作需要满足什么条件；效果，也就是执行这个动作后，世界会发生什么变化。以一个简单的“积木世界”为例，“拿起积木 A”这个动作，前提条件是：积木 A 上面没有其他积木，机械手是空的；效果是：机械手拿着积木 A，积木 A 不再在桌面上。有了所有动作的行动模型，规划系统就能像下棋一样推演：从当前的状态出发，执行一系列动作，能不能到达目标状态，从而自动找出完成任务的步骤。

为什么要“学习”行动模型

传统的自动规划系统，需要专家用专门的规划语言，比如 PDDL（规划领域定义语言），手工编写每个动作的前提条件和效果。对于简单的问题这还可行，但对于现实中复杂的领域，比如物流调度、机器人操作、游戏，动作成百上千，前提条件和效果错综复杂，手工编写既费时费力，又很容易出错和遗漏。行动模型学习的目标，就是从观察到的数据中自动地学出这些模型，减少人工的工作量。

怎么学

行动模型学习通常从“行动轨迹”中学习：也就是一系列观察到的“状态、动作、新状态”的记录，比如观察一个人或一个智能体完成任务的过程。通过分析大量的轨迹，学习算法可以推断出：每个动作被执行之前，世界总是满足哪些条件，这些很可能是它的前提条件；每个动作执行之后，世界总是发生了哪些变化，这些很可能是它的效果。研究者开发了多种算法，有的能处理观察不完整的情况（只看到部分状态），有的能处理带有噪声的数据，有的能学习带有随机性的动作效果。

在大模型时代

近年来，研究者也开始尝试借助大语言模型来生成或学习行动模型：大模型掌握了大量关于世界如何运作的常识，可以根据对任务的自然语言描述，生成 PDDL 形式的行动模型，再交给经典的规划器去求解，把大模型的常识和经典规划算法的严谨性结合起来。行动模型学习与强化学习中的“世界模型”、机器人领域对物理交互的建模，在思想上也相互关联。