摘要：本章深入探讨了机器人学中表示动作与变化的核心形式化工具——情境演算（Situation Calculus）与事件演算（Event Calculus），系统阐述了如何在一阶逻辑框架内严谨地表示“动作如何改变世界”。首先分析了变化表示的三大经典难题：框架问题、限定问题和分支问题，揭示了简洁表示不变性的本质挑战。随后详细介绍了情境演算的核心本体（情境作为动作历史、流、后继状态公理）及其在假设推理、

摘要：本章深入探讨了机器人学中表示动作与变化的核心形式化工具——情境演算（Situation Calculus）与事件演算（Event Calculus），系统阐述了如何在一阶逻辑框架内严谨地表示“动作如何改变世界”。首先分析了变化表示的三大经典难题：框架问题、限定问题和分支问题，揭示了简洁表示不变性的本质挑战。随后详细介绍了情境演算的核心本体（情境作为动作历史、流、后继状态公理）及其在假设推理、

摘要：本章系统介绍了自动规划的核心理论与方法。从经典规划的形式化定义和PDDL建模语言出发，深入探讨了状态空间搜索（前向/后向）、规划启发式（忽略删除效果、状态抽象等）、偏序规划、规划图与GraphPlan、基于SAT的规划以及分层任务网络（HTN）等核心算法。文章重点分析了各种启发式方法（如hFF、hmax、PDB、LM-cut）的原理与优劣，并比较了不同规划方法的适用场景。最后，文章将经典规划

摘要：本章系统介绍了自动规划的核心理论与方法。从经典规划的形式化定义和PDDL建模语言出发，深入探讨了状态空间搜索（前向/后向）、规划启发式（忽略删除效果、状态抽象等）、偏序规划、规划图与GraphPlan、基于SAT的规划以及分层任务网络（HTN）等核心算法。文章重点分析了各种启发式方法（如hFF、hmax、PDB、LM-cut）的原理与优劣，并比较了不同规划方法的适用场景。最后，文章将经典规划

第 8、9 两章分别给出了一阶逻辑的语言（怎么说）和推理机制（怎么算）。到底该说什么？前两章的例子（亲属关系、Wumpus World、电路）都是“玩具领域”（toy domain）——领域小、词汇少、边界清晰。真实世界的知识库要面对的是开放领域：需要表示动作、时间、物理对象、信念、金钱、颜色、事件、因果……而且这些概念彼此纠缠。本章的任务是提供一套通用的、跨领域的表示框架，即上层本体（upper

第 8 章解决了"怎么说"——一阶逻辑（FOL）提供了描述对象、关系、函数与量化断言的语言。本章解决"怎么算"——如何从 FOL 知识库中高效地推导结论。朴素的思路是把 FOL 归约为命题逻辑：既然∀xPx∀xPx语义上等价于对论域中每个对象的合取，那就把所有变量替换成所有可能的常量，得到一个（可能巨大的）命题逻辑 KB，再用第 7 章的 DPLL/归结求解。这条路线理论上可行（Herbrand

第 7 章末尾留下了一个明确的痛点：命题逻辑虽然可靠、完备、可判定，但表达力太弱。要说“所有与坑相邻的格子都有微风”，命题逻辑必须为 16 个格子写 16 条句子；若洞穴是 100×100，就要写 10000 条；若格子数未知，则根本无法书写。命题逻辑的世界是一堆互不相关的布尔开关，它看不见“格子”这种对象，也看不见“相邻”这种关系。本章引入 一阶逻辑（First-Order Logic, FOL

第 7 章末尾留下了一个明确的痛点：命题逻辑虽然可靠、完备、可判定，但表达力太弱。要说“所有与坑相邻的格子都有微风”，命题逻辑必须为 16 个格子写 16 条句子；若洞穴是 100×100，就要写 10000 条；若格子数未知，则根本无法书写。命题逻辑的世界是一堆互不相关的布尔开关，它看不见“格子”这种对象，也看不见“相邻”这种关系。本章引入 一阶逻辑（First-Order Logic, FOL

本章是全书从"搜索式问题求解"转向"基于知识的问题求解"（knowledge-based problem solving）的分水岭。前六章的智能体（搜索智能体、博弈智能体、CSP 智能体）都属于原子表示（atomic representation）或因子化表示（factored representation）的浅层使用：状态被当作黑盒或属性向量，智能体的"聪明"完全体现在搜索策略上。本章提出一种根

本章将一类特殊组合搜索——约束满足问题（CSP）单独提炼：变量集合 + 各自值域 + 变量间约束。相比第 3 章显式状态空间，CSP 用“变量赋值”与“约束传播”大幅压缩搜索，是调度、布局、配置等现实问题的标准建模工具。CSP 形式化：三元组 〈X, D, C〉，其中 X 为变量集，D 为各变量值域，C 为约束集（每个约束限定若干变量的允许取值组合）。状态（赋值）：对部分/全部变量赋予值域中的值；