In dit project onderzoeken we het potentieel van moderne generatieve modellen in het kader van planningsproblemen (met navigate als belangrijke subklasse). In deze familie van problemen is het belangrijk mogelijke toekomstscenario's te analyseren, om de uitkomst ervan, ook in aanwezigheid van onzekerheid (veroorzaakt door het stochastisch karakter van de omgeving) en onnauwkeurigheid (veroorzaakt door niet volledige observeerbaarheid van de omgeving), te kunnen beoordelen m.b.t. het uitvoeren van een taak.

We stellen  moderne generatieve modellen  voor als alternatief voor de momenteel meest gangbare praktijk, namelijk een combinatie van vooraf geleerde wereldmodellen, gebaseerd of recurrente neurale netwerken, en Monte-Carlo Tree Sampling.  Hierbij zal bijzondere aandacht uitgaan naar diffusiemodellen, tensor netwerken en transformers. Het formuleren van het planningsprobleem in termen van deze generatieve modellen, oorspronkelijk bedoeld voor generatie van beelden en tekst,  vormt hierbij een belangrijke uitdaging.