TourPlanner: A Competitive Consensus Framework with Constraint-Gated Reinforcement Learning for Travel Planning

📄 arXiv: 2601.04698v1 📥 PDF

作者: Yinuo Wang, Mining Tan, Wenxiang Jiao, Xiaoxi Li, Hao Wang, Xuanyu Zhang, Yuan Lu, Weiming Dong

分类: cs.AI, cs.CL, cs.LG

发布日期: 2026-01-08

💡 一句话要点

TourPlanner：基于约束门控强化学习的竞争共识框架，用于旅行规划

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 旅行规划 强化学习 多路径推理 约束优化 个性化推荐

📋 核心要点

  1. 现有旅行规划方法难以在保证召回率的同时有效筛选兴趣点，限制了可行解空间的探索。
  2. TourPlanner提出竞争共识链式思考（CCoT）的多路径推理范式，增强了探索可行解空间的能力。
  3. TourPlanner集成了约束门控强化学习，在满足硬约束的前提下优化软约束，提升用户偏好对齐。

📝 摘要（中文）

旅行规划是一个复杂的决策过程，需要综合多方面的信息来构建行程。然而，现有的旅行规划方法面临几个挑战：（1）在保持高召回率的同时，修剪候选兴趣点（POI）；（2）单一的推理路径限制了旅行规划可行解空间内的探索能力；（3）同时优化硬约束和软约束仍然是一个显著的难题。为了应对这些挑战，我们提出了TourPlanner，一个具有多路径推理和约束门控强化学习的综合框架。具体来说，我们首先引入了个性化召回和空间优化（PReSO）工作流程，以构建具有空间感知能力的候选POI集合。随后，我们提出了竞争共识链式思考（CCoT），一种多路径推理范式，提高了探索可行解空间的能力。为了进一步完善计划，我们将基于sigmoid的门控机制集成到强化学习阶段，该机制仅在满足硬约束后才动态地优先考虑软约束的满足。在旅行规划基准上的实验结果表明，TourPlanner实现了最先进的性能，在可行性和用户偏好对齐方面显著超越了现有方法。

🔬 方法详解

问题定义：论文旨在解决旅行规划中兴趣点选择、路径探索和约束优化的问题。现有方法在兴趣点召回、探索能力和约束处理方面存在不足，导致生成的旅行计划可行性差，用户满意度低。

核心思路：论文的核心思路是利用多路径推理增强探索能力，并采用约束门控强化学习来平衡硬约束和软约束。通过竞争共识机制，从多个候选路径中选择最优解，并利用强化学习进一步优化行程。

技术框架：TourPlanner框架包含三个主要模块：个性化召回和空间优化（PReSO）、竞争共识链式思考（CCoT）和约束门控强化学习。PReSO负责生成候选兴趣点集合；CCoT通过多路径推理探索可行解空间；约束门控强化学习则根据硬约束和软约束对行程进行优化。

关键创新：论文的关键创新在于提出了竞争共识链式思考（CCoT）的多路径推理范式和约束门控强化学习机制。CCoT能够更全面地探索可行解空间，避免陷入局部最优；约束门控强化学习则能够有效地平衡硬约束和软约束，提高用户满意度。

关键设计：PReSO模块利用个性化信息和空间信息来提高兴趣点召回率；CCoT模块采用链式思考的方式生成多个候选路径，并通过竞争共识机制选择最优解；约束门控强化学习模块使用基于sigmoid的门控机制来动态调整硬约束和软约束的权重。具体参数设置和网络结构等细节在论文中有详细描述，此处未知。

📊 实验亮点

实验结果表明，TourPlanner在旅行规划基准测试中取得了state-of-the-art的性能，显著超越了现有方法。在可行性和用户偏好对齐方面均有显著提升，具体提升幅度未知，需查阅论文。

🎯 应用场景

TourPlanner的研究成果可应用于智能旅游推荐系统、个性化行程规划App等领域，帮助用户快速生成满足其偏好和约束条件的旅行计划。该研究有助于提升旅游服务的智能化水平，改善用户体验，并促进旅游产业的发展。

📄 摘要（原文）

Travel planning is a sophisticated decision-making process that requires synthesizing multifaceted information to construct itineraries. However, existing travel planning approaches face several challenges: (1) Pruning candidate points of interest (POIs) while maintaining a high recall rate; (2) A single reasoning path restricts the exploration capability within the feasible solution space for travel planning; (3) Simultaneously optimizing hard constraints and soft constraints remains a significant difficulty. To address these challenges, we propose TourPlanner, a comprehensive framework featuring multi-path reasoning and constraint-gated reinforcement learning. Specifically, we first introduce a Personalized Recall and Spatial Optimization (PReSO) workflow to construct spatially-aware candidate POIs' set. Subsequently, we propose Competitive consensus Chain-of-Thought (CCoT), a multi-path reasoning paradigm that improves the ability of exploring the feasible solution space. To further refine the plan, we integrate a sigmoid-based gating mechanism into the reinforcement learning stage, which dynamically prioritizes soft-constraint satisfaction only after hard constraints are met. Experimental results on travel planning benchmarks demonstrate that TourPlanner achieves state-of-the-art performance, significantly surpassing existing methods in both feasibility and user-preference alignment.