Long-Horizon Planning and Execution with Functional Object-Oriented Networks

要約

ロボットの知識グラフ表現として、オブジェクトとアクションの結合表現に続き、機能的オブジェクト指向ネットワーク（FOON）が導入された。FOONは、ロボットがタスクや環境を理解し、オブジェクトレベルの計画を立てるのに役立つ記号的な概念を含んでいます。しかし、FOONの概念は抽象的であるため、FOONから得た計画をロボットがどのように実行できるかは、これまでほとんど明らかにされていませんでした。そこで我々は、タスクの計画と実行のために、オブジェクトレベルの知識をFOONとして利用するアイデアを紹介する。我々のアプローチは、FOONを自動的にPDDLに変換し、階層的な計画パイプラインにおいて、既製のプランナー、アクションコンテキスト、ロボットのスキルを活用して、実行可能なタスクプランを生成する。CoppeliaSimのロングホライズンタスクで我々のアプローチ全体を実証し、学習したアクションコンテキストを見たこともないようなシナリオに拡張できることを示す。

要約(オリジナル)

Following work on joint object-action representations, functional object-oriented networks (FOON) were introduced as a knowledge graph representation for robots. A FOON contains symbolic concepts useful to a robot’s understanding of tasks and its environment for object-level planning. Prior to this work, little has been done to show how plans acquired from FOON can be executed by a robot, as the concepts in a FOON are too abstract for execution. We thereby introduce the idea of exploiting object-level knowledge as a FOON for task planning and execution. Our approach automatically transforms FOON into PDDL and leverages off-the-shelf planners, action contexts, and robot skills in a hierarchical planning pipeline to generate executable task plans. We demonstrate our entire approach on long-horizon tasks in CoppeliaSim and show how learned action contexts can be extended to never-before-seen scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL