Risk-aware Integrated Task and Motion Planning for Versatile Snake Robots under Localization Failures

要約

ヘビロボットは、極端な地形と地上および宇宙アプリケーションの限られた環境を通して機動性を可能にします。
ただし、ヘビロボットの堅牢な知覚とローカリゼーションは、限られた視野と組み合わされた地面へのセンサーペイロードが近接しているため、オープンな挑戦のままです。
この問題に対処するために、固有受容のみのモビリティと断続的なスキャンを組み合わせた断続的にスケジュールされたスキャン（至福）を使用した盲目モーションを提案します。
Blissは統合されたタスクとモーションプランニング（TAMP）の問題として定式化されており、歴史の呪いのために計算可能に扱いやすいことが知られている偶然に制約のある部分的に観察可能なマルコフ決定プロセス（CC-HPOMDP）につながります。
私たちの目新しさは、CC-HPOMDPを扱いやすく凸混合整数線形プログラムとして再定式化することにあります。
これにより、Bliss-Tampを大幅に速く解決し、最適なタスクモーション計画を共同で導き出すことができます。
ウナギスネークロボットのシミュレーションとハードウェアの実験は、最先端のPOMDPプランナーと比較して、数桁の計算改善と、$ 50> 50 \％のより良いナビゲーション時間の最適性と古典的な2段階の計画者と比較して、1桁の計算改善を達成することを示しています。

要約(オリジナル)

Snake robots enable mobility through extreme terrains and confined environments in terrestrial and space applications. However, robust perception and localization for snake robots remain an open challenge due to the proximity of the sensor payload to the ground coupled with a limited field of view. To address this issue, we propose Blind-motion with Intermittently Scheduled Scans (BLISS) which combines proprioception-only mobility with intermittent scans to be resilient against both localization failures and collision risks. BLISS is formulated as an integrated Task and Motion Planning (TAMP) problem that leads to a Chance-Constrained Hybrid Partially Observable Markov Decision Process (CC-HPOMDP), known to be computationally intractable due to the curse of history. Our novelty lies in reformulating CC-HPOMDP as a tractable, convex Mixed Integer Linear Program. This allows us to solve BLISS-TAMP significantly faster and jointly derive optimal task-motion plans. Simulations and hardware experiments on the EELS snake robot show our method achieves over an order of magnitude computational improvement compared to state-of-the-art POMDP planners and $>$ 50\% better navigation time optimality versus classical two-stage planners.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google