A Survey of Optimization-based Task and Motion Planning: From Classical To Learning Approaches

要約

Task and Motion Planning (TAMP) は、高レベルのタスク計画と低レベルの動作計画を統合し、長期にわたる動的なタスクを効果的に推論するための自律性をロボットに提供します。
最適化ベースの TAMP は、目的関数によって目標条件を定義するハイブリッド最適化アプローチに焦点を当てており、オープンエンドの目標、ロボットのダイナミクス、およびロボットと環境間の物理的な相互作用を処理できます。
したがって、最適化ベースの TAMP は、非常に複雑で接触の多い移動および操作の問題を解決するのに特に適しています。
この調査では、最適化ベースの TAMP に関する包括的なレビューを提供します。対象となるのは、(i) アクション記述言語と時相論理を含むプランニング ドメイン表現、(ii) AI プランニングと軌道最適化 (TO) を含む、TAMP コンポーネントの個別のソリューション戦略、および
(iii) ロジックベースのタスク計画とモデルベースの TO の間の動的な相互作用。
この調査の特に焦点は、TAMP を効率的に解決するためのアルゴリズム構造、特に階層型および分散型アプローチに焦点を当てることです。
さらに、この調査では、古典的な手法と大規模言語モデルなどの現代の学習ベースのイノベーションとの間の相乗効果が強調されています。
さらに、この調査では TAMP の将来の研究の方向性について議論されており、アルゴリズムとアプリケーション固有の課題の両方が強調されています。

要約(オリジナル)

Task and Motion Planning (TAMP) integrates high-level task planning and low-level motion planning to equip robots with the autonomy to effectively reason over long-horizon, dynamic tasks. Optimization-based TAMP focuses on hybrid optimization approaches that define goal conditions via objective functions and are capable of handling open-ended goals, robotic dynamics, and physical interaction between the robot and the environment. Therefore, optimization-based TAMP is particularly suited to solve highly complex, contact-rich locomotion and manipulation problems. This survey provides a comprehensive review on optimization-based TAMP, covering (i) planning domain representations, including action description languages and temporal logic, (ii) individual solution strategies for components of TAMP, including AI planning and trajectory optimization (TO), and (iii) the dynamic interplay between logic-based task planning and model-based TO. A particular focus of this survey is to highlight the algorithm structures to efficiently solve TAMP, especially hierarchical and distributed approaches. Additionally, the survey emphasizes the synergy between the classical methods and contemporary learning-based innovations such as large language models. Furthermore, the future research directions for TAMP is discussed in this survey, highlighting both algorithmic and application-specific challenges.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google