Offline Task Assistance Planning on a Graph:Theoretic and Algorithmic Foundations

要約

この研究では、2 台のロボット Rtask と Rassist が与えられるタスク支援計画の問題を紹介します。
最初のロボットである Rtask は、事前に計算されたパスを実行することによって、特定のタスクの実行を担当します。
2 番目のロボットである Rassist は、搭載センサーを使用して Rtask によって実行されるタスクを支援する役割を担います。
Rassist が Rtask を支援できるかどうかは、両方のロボットの位置によって異なります。
Rtask はそのパスに沿って移動しているため、Rassist も可能な限りの支援を提供するために移動する必要がある場合があります。
私たちが研究する問題は、支援が提供される Rtask のパスの部分を最大化するために Rassist のパスを計算する方法です。
問題を、ラシストがその構成空間に埋め込まれたグラフであるロードマップ上を移動する設定に限定し、この問題が NP 困難であることを示します。
幸いなことに、ラシストが特定のパス上を移動するとき、私たちがしなければならないことは、ラシストが 1 つの構成から次の構成に移動する時間を計算することだけであり、問​​題を多項式時間で最適に解決できることを示しています。
この多項式時間アルゴリズムは、慎重に作成された上限とともに、ベースラインを数桁上回るパフォーマンスで問題に対する最適な解決策を計算できる分岐および境界ベースのアルゴリズムに統合されています。
私たちは、実際のロボットのラボだけでなく、平面マニピュレーターと UR ロボットの両方を含むシミュレートされたシナリオでも、作業を実証的に実証します。

要約(オリジナル)

In this work we introduce the problem of task assistance planning where we are given two robots Rtask and Rassist. The first robot, Rtask, is in charge of performing a given task by executing a precomputed path. The second robot, Rassist, is in charge of assisting the task performed by Rtask using on-board sensors. The ability of Rassist to provide assistance to Rtask depends on the locations of both robots. Since Rtask is moving along its path, Rassist may also need to move to provide as much assistance as possible. The problem we study is how to compute a path for Rassist so as to maximize the portion of Rtask’s path for which assistance is provided. We limit the problem to the setting where Rassist moves on a roadmap which is a graph embedded in its configuration space and show that this problem is NP-hard. Fortunately, we show that when Rassist moves on a given path, and all we have to do is compute the times at which Rassist should move from one configuration to the following one, we can solve the problem optimally in polynomial time. Together with carefully-crafted upper bounds, this polynomial-time algorithm is integrated into a Branch and Bound-based algorithm that can compute optimal solutions to the problem outperforming baselines by several orders of magnitude. We demonstrate our work empirically in simulated scenarios containing both planar manipulators and UR robots as well as in the lab on real robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google