Hierarchical Sampling-based Planner with LTL Constraints and Text Prompting

要約

このプロジェクトでは、線形時間論理 (LTL) 制約とロボットの動作計画を促す自然言語を統合した階層プランナーを導入します。
このフレームワークは、マップを領域に分解し、有向グラフを生成し、それらを高レベルの計画のための移行システムに変換します。
テキスト命令は LTL 式に変換され、安全制約を遵守しながら目標を達成する連続タスクのために決定論的有限オートマトン (DFA) に変換されます。
幅優先探索 (BFS) によって導出された高レベルの計画は、LTL タスクとともに障害物を回避するナビゲーションのためのランダム ツリーの探索 (RRT) や確率的ロードマップ (PRM) などの低レベルの計画作成者をガイドします。
このアプローチは、さまざまなタスクの複雑さへの適応性を示していますが、グラフ構築のオーバーヘッドや次善のパス生成などの課題は残っています。
将来の方向性としては、地形条件の考慮を拡張し、高次の力学を組み込むことが含まれます。

要約(オリジナル)

This project introduces a hierarchical planner integrating Linear Temporal Logic (LTL) constraints with natural language prompting for robot motion planning. The framework decomposes maps into regions, generates directed graphs, and converts them into transition systems for high-level planning. Text instructions are translated into LTL formulas and converted to Deterministic Finite Automata (DFA) for sequential goal-reaching tasks while adhering to safety constraints. High-level plans, derived via Breadth-First Search (BFS), guide low-level planners like Exploring Random Trees (RRT) and Probabilistic Roadmaps (PRM) for obstacle-avoidant navigation along with LTL tasks. The approach demonstrates adaptability to various task complexities, though challenges such as graph construction overhead and suboptimal path generation remain. Future directions include extending to considering terrain conditions and incorporating higher-order dynamics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google