转换与编码FTS用于SAT求解：什么有帮助，什么有害（扩展版）

因子化任务（Factored Tasks, FTS）是一种经典的人工智能规划表示形式，它通过引入析取前提、条件效应和天使非确定性等特性，对SAS+进行了扩展。与传统的STRIPS或SAS+等规划表示相比，FTS允许以更紧凑的方式描述规划任务，并支持一系列任务转换操作。然而，目前针对因子化任务的规划方法主要局限于启发式搜索，尚未充分利用布尔可满足性（SAT）求解器的强大能力。

在本项研究中，来自多个机构的研究人员系统探索了将因子化任务编码为SAT问题的可行性。他们提出了多种编码策略，重点关注如何将因子化任务的转换关系高效地转化为命题逻辑公式。这些策略包括直接编码、基于状态的编码以及混合方法等，每种策略在求解效率上各有优劣。此外，研究者还分析了在SAT求解过程中如何利用不同层次的并行性，例如在编码层面和求解器层面引入并行化技术，以提升整体求解性能。

一个重要的贡献在于，该工作深入研究了常见的任务转换（如目标拆分、动作分解等）对SAT规划器性能的影响。实验结果表明，某些转换操作能够显著降低SAT问题的规模，从而提高求解速度；而另一些转换则可能引入冗余约束，导致求解效率下降。这些发现为实际应用中如何选择合适编码和转换策略提供了指导。

该研究不仅为将SAT技术应用于更复杂的规划问题开辟了新的路径，也揭示了在规划表示与SAT求解之间进行桥梁搭建时面临的挑战。论文作者包括João Filipe等三位研究者，于2026年5月28日提交至arXiv，目前已被收录至人工智能（cs.AI）类别。这一工作预计将对规划领域的算法设计、开源工具开发以及未来产品化的方向产生重要影响。