人工知能（AI）の分野では、「自律的に考えて行動する」仕組みが重要なテーマのひとつです。
その中核となる技術が**自動計画（プランニング）**です。
本記事では、AIプランニングの代表的な枠組みである**STRIPS（Stanford Research Institute Problem Solver）**について、仕組みや特徴を初心者にもわかりやすく解説します。
STRIPSとは何か？
**STRIPS（ストリップス）**とは、AIにおけるプランニング問題を定式化するための言語・モデルの一つです。
もともとは研究機関である**Stanford Research Institute（SRI）**で開発され、ロボットや自動化システムが「どのように行動すべきか」を考えるための基盤として利用されてきました。
自動計画（プランニング）とは？
まずは前提となる「プランニング」について整理しましょう。
プランニングとは、以下の3つをもとに目標達成までの行動手順を導き出す技術です。
- 初期状態（現在の状況）
- 目標状態（達成したいゴール）
- 実行可能な行動（アクション）
AIはこれらの情報から、「どの順番で何をすればよいか」を自動的に考えます。
具体例（ロボットの場合）
例えば、部屋の掃除ロボットを考えてみましょう。
- 初期状態：床が汚れている
- 目標状態：床がきれいになっている
- 行動：
- 掃除機を起動する
- 移動する
- ゴミを吸い取る
このような条件から、ロボットは最適な行動手順を計画します。
STRIPSの基本構造
STRIPSでは、プランニング問題を次の3つの要素で表現します。
1. 初期状態（Initial State）
現在の状況を表す情報です。
例：ロボットが部屋にいる、床が汚れている
2. 目標状態（Goal State）
達成したい状態です。
例：床がきれいになっている
3. 行動（Actions）
実行可能な操作の一覧です。
この3つをまとめたものをSTRIPSインスタンスと呼びます。
行動の定義：事前条件と効果
STRIPSの大きな特徴は、行動を論理的に定義できる点にあります。
各行動には以下の2つが設定されます。
■ 事前条件（Preconditions）
その行動を実行するために満たすべき条件
例：
「掃除機を使う」ためには → 電源が入っている必要がある
■ 効果（Effects / Postconditions）
行動を実行した後に生じる結果
例：
「掃除機を使う」→ 床がきれいになる
さらに細かく分けると、条件は以下のように表現されます。
- 真であるべき（True）
- 偽であるべき（False）
- 真になる（Add効果）
- 偽になる（Delete効果）
このように論理的に整理することで、AIは状態の変化を正確に追跡できます。
STRIPSの仕組みをイメージで理解
STRIPSの考え方は、いわば「状態の変化を積み重ねるゲーム」に近いです。
- 現在の状態を確認
- 実行可能な行動を選択
- 状態を更新
- 目標に到達するまで繰り返す
このプロセスにより、AIは最適な行動の系列（プラン）を見つけます。
STRIPSの活用例
STRIPSのようなプランニング技術は、さまざまな分野で応用されています。
■ ロボット制御
工場のロボットやサービスロボットが、自律的に作業手順を決定
■ 自動運転
目的地までの行動（加速・停止・回避）を計画
■ ゲームAI
キャラクターが状況に応じて行動を選択
■ 業務最適化
物流・スケジューリングなどの効率化
STRIPSのメリットと課題
メリット
- 問題を論理的に整理できる
- 状態変化を明確に表現できる
- 汎用的なプランニングに対応可能
課題
- 現実世界の複雑さ（不確実性）への対応が難しい
- 状態や行動が増えると計算量が膨大になる
まとめ
STRIPSは、AIが「どう行動すべきか」を考えるための基本的な枠組みです。
ポイントを整理すると：
- 初期状態・目標状態・行動で問題を定義
- 各行動に「事前条件」と「効果」を設定
- 状態の変化を追いながら最適な行動を導く
現在の高度なAI技術の裏側にも、こうした基礎的な考え方が活かされています。
AIの仕組みを理解するうえで、STRIPSは非常に重要な入門トピックと言えるでしょう。
こちらもご覧ください：αβ法（アルファベータ法）とは？ミニマックスを高速化する仕組みを徹底解説
