[RO]《SLAP: Shortcut Learning for Abstract Planning》Y. I Liu, B Li, B Eysenbach, T Silver [Princeton University & CMU] (2025)
在机器人长时序决策中，SLAP（Shortcut Learning for Abstract Planning）提出了一种创新方法，利用已有的任务与运动规划（TAMP）选项，通过强化学习自动发现“捷径”选项，显著缩短执行时间并提升任务成功率。
传统TAMP依赖人工预定义的基本技能（如抓取、移动），限制了机器人在复杂物理交互中的表现，且规划出的解决方案通常冗长低效。SLAP则构建抽象规划图，结合模型自由的强化学习，针对图中的状态节点间自动学习新的低层次技能“捷径”，如“拍打”、“摆动”、“擦拭”等动态操作，这些技能超越了传统假设，实现了更灵活、高效的操作路径。
实验涵盖四种模拟机器人环境（二维障碍、障碍塔、杂乱抽屉、清理桌面），结果显示SLAP相比纯规划方案，计划长度缩短超过50%，成功率远超平坦或层次强化学习方法。特别是在复杂的障碍塔任务中，SLAP可通过“拍打”捷径快速清理障碍，完成目标块的放置，显著优于传统逐块移动的冗长方案。训练过程中，捷径数量和计划效率持续提升，且SLAP在面对不同数量和类型对象时表现出良好的泛化能力。
技术上，SLAP通过构建双层抽象规划图（顶层为抽象状态节点，底层为环境状态），利用已知状态转移函数模拟选项执行，结合随机采样与回放修剪，筛选出可行捷径进行强化学习。学习时，每个捷径对应一个目标驱动的MDP，采用PPO算法训练策略。评估时，捷径作为新的选项加入规划图，优化整体路径。SLAP的设计兼顾纯规划与纯RL的优缺点，自动调整策略以适应任务难度。
此外，SLAP展现了对现实复杂性（如环境随机性、部分观察）和不完美抽象的鲁棒性，甚至在抽象状态存在噪声和遮挡时仍能保持较高成功率。该方法为机器人规划引入了即插即用的学习模块，推动了机器人自主技能发现与高效长时序规划的融合。
完整论文及开源代码见：
