[Paper] 领域模型设计对经典规划的能量影响

Source: arXiv - 2601.21967v1

概述

论文 The Energy Impact of Domain Model Design in Classical Planning 探讨了 AI 规划中一个少有研究的视角：我们编写规划域模型的方式如何影响 energy（能耗）以及规划器的消耗。虽然大多数研究侧重于优化速度或解的质量，作者却展示了即使是对模型进行适度的微调，也能带来可观的能耗节省——有时甚至在运行时间上没有任何提升。

关键贡献

• 对经典规划的能源聚焦分析，将“绿色 AI”议程扩展到规划社区。
• 域模型配置框架，系统地改变模型属性（例如谓词顺序、动作元数、是否存在死胡同）。
• 在 5 个基准域 和 5 个最先进的规划器 上进行的 实证研究，对每个基准评估 32 种模型变体（≈ 800 次规划器运行）。
• 证据表明能耗并不总是与运行时间成正比，突显了一种新的性能权衡。
• 能源感知域工程指南，为实践者提供具体建议。

方法论

1. 域变体生成 – 作者构建了一个轻量级工具，接受一个标准的 PDDL（Planning Domain Definition Language）文件，并通过以下方式生成受控的变体：
   • 重新排序谓词和动作。
   • 更改动作的 arity（参数个数）。
   • 注入或移除死胡同状态（即从中无法到达任何目标的状态）。
2. 基准与规划器 – 五个广泛使用的规划域（例如 Blocks‑World、Logistics、Satellite）与五个代表不同算法族的规划器（启发式搜索、基于 SAT 等）配对。
3. 测量设置 – 每个规划器‑域对在相同硬件上运行，并记录：
   • 运行时间（秒）。
   • 能耗（通过 CPU 功率计数器测量，单位为焦耳）。
4. 统计分析 – 作者使用 ANOVA 和成对比较来分离每个模型属性对能耗和运行时间的影响，同时控制规划器和域的差异。

结果与发现

总体而言，研究表明 在领域层面的设计选择是一种低成本的手段，可用于降低规划系统的碳足迹。

实际意义

• 能源感知的领域工程：构建基于规划的服务（例如物流优化、机器人任务排序）的团队可以采用本文的配置指南，在不重写规划器本身的情况下降低能源成本。
• 云环境中的成本节约：由于许多供应商按 CPU 时间和能源使用计费，即使是 10 % 的降低也会在大规模下转化为更低的运营支出。
• 可持续 AI 合规：致力于 ESG（环境、社会、治理）目标的公司可以报告通过领域模型重构获得的具体能源降低指标。
• 工具化机会：该配置框架可以集成到 CI 流水线中，自动测试新领域修订对能源的影响，类似于性能回归测试。
• 算法‑规划器选择：了解某些规划器对特定模型特征更敏感的能源表现，有助于架构师为绿色部署挑选合适的规划器‑模型组合。

限制与未来工作

• 硬件特定性 – 能耗测量仅在单一 CPU 架构上进行；在 GPU、ARM 芯片或异构集群上可能会有不同的结果。
• 领域范围 – 只评估了五个经典基准；具有更丰富谓词的工业领域可能表现出不同的敏感性。
• 静态分析 – 本研究聚焦于模型的静态属性；未探讨动态运行时适配（例如即时剪枝）。
• 未来方向（作者建议）包括：将框架扩展到概率和时序规划、在分布式规划流水线中评估能耗，以及开发自动化的“能耗感知”领域重构工具，提供最佳模型布局建议。

作者

• Ilche Georgievski
• Serhat Tekin
• Marco Aiello

论文信息

• arXiv ID: 2601.21967v1
• 分类: cs.AI, cs.SE
• 出版日期: 2026年1月29日
• PDF: 下载 PDF