知识卡片：大规模动态动作空间中的学习引导规划——面向一对多移动充电的预算树搜索

一句话结论

LP-BTS 将图提议策略、价值评论器与边预算 PUCT 规划结合，在动作集合大且随状态重建的一对多移动充电任务中取得最高观测 survival 与 alive-AUC；但其相对最强领域工程比较器的生存优势仍不确定（95% CI 跨 0）。

事件概述或研究问题

• 研究问题：许多学习型序列决策系统把当前状态直接映射到一个动作；当候选动作数量多、具有几何结构并随状态重建时，这种捷径会变脆弱。
• 具体场景：一对多移动充电。材料称，N=250 sensors 时，初始状态诱导约 1,125 个候选充电站动作；每个被选充电站同时服务其范围内传感器，且动作全集随传感器死亡而变化。
• 论文提出 LP-BTS 作为学习引导规划架构，用于研究大型动态动作空间中的规划问题。

方法/产品要点

• 图提议策略（graph proposal policy）将候选支持集集中到较小范围。
• 学习价值评论器（value critic）评估叶节点。
• 边预算 PUCT（edge-budgeted PUCT）在提交动作前比较短期模拟未来。
• 策略对候选集合打分，不依赖固定输出头，因此单一冻结检查点覆盖所有评估设置，动作全集从 736 到 2,813 stops。
• 匹配消融：均匀采样造成 8.8 个 survival 百分点损失；固定目标支持后，PUCT 联合保留 1.4 个百分点（约 250 个传感器中的 3.5 个）；直接策略选择多行驶 23%。
• 材料指出，两个学习行均为训练过的、源派生的重构，对应 Gong et al. 报告的变体。

主要结果或产业意义

• 在预先指定、密封的 30-scenario 确认性 bank 上仅评估一次，LP-BTS 达到最高观测 survival（0.4545）与 alive-AUC（0.8031）。
• 相对最强领域工程比较器的估计 survival 优势为 +0.0066（95% CI [-0.0037, +0.0184]），材料将其描述为未解决差异。
• 在每一配对场景上，LP-BTS 超过 deadline heuristic 以及两个源派生直接策略重构。
• 产业意义：对移动充电、传感器网络等动作全集会随环境变化而变化的调度问题，提供了“学习引导规划”而非直接动作选择的受控证据；但外推到真实部署与成本收益需待核实。

为什么重要

• 针对大型、动态、几何结构动作空间，展示候选生成、价值评估与预算化树搜索的组合，而非固定输出头直接选动作。
• 单一冻结检查点覆盖 736–2,813 stops 的动作全集，说明策略不依赖固定动作输出维度，这可能对动作集合随状态变化的任务有借鉴意义。
• 与既有脉络的关系：现有相关卡片未直接覆盖这一主题；本条增量在于提供大规模动态动作空间中学习引导规划的受控实验证据，并明确区分“最高观测值”与“统计上未解决差异”。

局限与不确定性

• 相对最强领域工程比较器的生存优势 95% CI 跨 0，材料将其称为 unresolved difference；不能确认显著优于该比较器。
• 材料仅提供摘要与元数据，未获取全文；训练细节、PUCT 预算、计算开销、消融完整设置、基线实现、代码/数据可用性等均待核实。
• 官方英文关键词未在材料中列出；本卡片列出的英文关键词为从标题/摘要提取的术语，非官方关键词。
• 论文的同行评审状态、最终发表状态、是否可复现等：待核实。
• 结果主要来自该文评估设置，能否推广到其他移动充电、传感器网络或一般动态动作空间：待核实。

可用于图书/PPT/简报的角度

• “直接策略选择 vs 学习引导规划”：动作候选多且随状态重建时，为什么直接映射会脆弱。
• “三件套”架构图：graph proposal policy → value critic → edge-budgeted PUCT。
• “动作空间缩放”案例：单一冻结检查点覆盖 736–2,813 stops。
• “消融解释组件贡献”：均匀采样损失、PUCT 保留、直接策略路径更长。
• “证据分级”案例：确认性 sealed bank、一次评估、最高观测值，但置信区间跨 0。
• “移动充电作为动态动作空间实例”：每个充电站同时服务多传感器，动作全集随传感器死亡变化。

原始材料

• 英文标题：Learning-Guided Planning in Large Dynamic Action Spaces: Budgeted Tree Search for One-to-Many Mobile Charging
• 作者：Liang-Ching Tao, Pi-Chung Wang
• arXiv ID：2609.17429v1
• 发布时间：2026-09-15T16:42:12Z（更新同）
• 主分类：cs.LG；分类：cs.LG, cs.AI
• Abstract URL：https://arxiv.org/abs/2609.17429v1
• PDF URL：https://arxiv.org/pdf/2609.17429v1
• 英文关键词（非官方；从标题/摘要提取）：learned sequential decision systems; large dynamic action spaces; budgeted tree search; one-to-many mobile charging; LP-BTS; PUCT; value critic; graph proposal policy
• Track：academic；Topics：foundation-model（来自任务元数据）
• 材料抓取自 arXiv 摘要页；未获取全文。