Dieser Artikel stellt einen Algorithmus zur Berechnung einer präferenzbasierten Strategie für einen Roboter in einer stochastischen Umgebung vor. Der Algorithmus berücksichtigt dabei die teilweise geordneten Präferenzen des Benutzers über zeitlich erweiterte Ziele.
In Situationen mit starkem Zeitdruck kann es vorteilhaft sein, Aktionen auszuführen, bevor die vollständige Planung abgeschlossen ist.
Ein neuartiges Aufgaben- und Bewegungsplanungsframework, das große Sprachmodelle als domänenunabhängige Aufgabenplaner, informierte Aktionsparameter-Sampler und Bewegungsversagensanalysatoren einsetzt.
Durch die Zerlegung komplexer STL-Spezifikationen in kleinere Teilaufgaben und deren inkrementelle Planung können Effizienz und Leistung der Trajektorienplanung verbessert werden.