A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements

要約

タスクおよびモーション プランニング (TAMP) は、低レベルの連続モーションによって実行可能な個別のアクションを含む自動化されたプランニングの問題に対する解決策を見つける問題です。
この分野は、実世界のアプリケーションにおけるロボットの自律性を大幅に強化するため、ロボット工学コミュニティ内で関心が高まっています。
多くの解決策や処方が存在しますが、明確な標準表現は存在しません。
このペーパーでは、TAMP 問題のモデリングとベンチマークのための一般的なオープンソース フレームワークを提案します。
さらに、移動エージェントやタスク状態に依存する複数の障害物を含む TAMP 問題を解決するための革新的なメタ手法を導入します。
このアプローチにより、既製のタスク プランナーとモーション プランナーを使用できると同時に、モーション プランナーの探索空間の幾何学的解析を利用してタスク プランナーの探索を刈り込み、効率を向上させることができます。
また、このメタ エンジンをインクリメンタル SMT ベースのプランナーの場合に特化する方法も示します。
私たちは、ロボットが移動可能な障害物のある環境をナビゲートする必要がある、複雑さが増すベンチマーク問題に対するアプローチの有効性を実証します。
最後に、最先端の TAMP アルゴリズムをフレームワークに統合し、そのパフォーマンスを当社の成果と比較します。

要約(オリジナル)

Task And Motion Planning (TAMP) is the problem of finding a solution to an automated planning problem that includes discrete actions executable by low-level continuous motions. This field is gaining increasing interest within the robotics community, as it significantly enhances robot’s autonomy in real-world applications. Many solutions and formulations exist, but no clear standard representation has emerged. In this paper, we propose a general and open-source framework for modeling and benchmarking TAMP problems. Moreover, we introduce an innovative meta-technique to solve TAMP problems involving moving agents and multiple task-state-dependent obstacles. This approach enables using any off-the-shelf task planner and motion planner while leveraging a geometric analysis of the motion planner’s search space to prune the task planner’s exploration, enhancing its efficiency. We also show how to specialize this meta-engine for the case of an incremental SMT-based planner. We demonstrate the effectiveness of our approach across benchmark problems of increasing complexity, where robots must navigate environments with movable obstacles. Finally, we integrate state-of-the-art TAMP algorithms into our framework and compare their performance with our achievements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google