Lazy-DaSH: Lazy Approach for Hypergraph-based Multi-robot Task and Motion Planning

要約

Lazy-Dashを紹介します。これは、最近の最新のマルチロボットタスクおよびモーションプランニングメソッドダッシュを改善します。これは、元の方法と比較してロボットとオブジェクトの数の2倍以上にスケーリングし、マルチマニピュレーターオブジェクトの再配置問題に適用されると数桁高速な計画時間を達成します。
高レベルのタスク計画レイヤーがタスクの完了に必要な計画スペースを識別する階層的アプローチを通じてこの改善を達成し、モーションの実現可能性はこれらのスペース内でのみゆっくりと検証されます。
対照的に、DASHはすべての可能なアクションのモーションの実現可能性を事前に補完し、状態空間表現を構築するためのコストが高くなります。
Lazy-Dashは、階層構造内の制約フィードバックメカニズムを利用して効率的なクエリパフォーマンスを維持し、モーションの実現可能性がクエリプロセスに効果的に伝達されるようにします。
より小さな状態空間表現を維持することにより、この方法は表現の構築時間とクエリ時間の両方を大幅に削減します。
4つの異なるシナリオでLazy-Dashを評価し、ロボットやオブジェクトの増加に対するスケーラビリティと、制約フィードバックメカニズムを介した競合を解決する際の適応性を示します。

要約(オリジナル)

We introduce Lazy-DaSH, an improvement over the recent state of the art multi-robot task and motion planning method DaSH, which scales to more than double the number of robots and objects compared to the original method and achieves an order of magnitude faster planning time when applied to a multi-manipulator object rearrangement problem. We achieve this improvement through a hierarchical approach, where a high-level task planning layer identifies planning spaces required for task completion, and motion feasibility is validated lazily only within these spaces. In contrast, DaSH precomputes the motion feasibility of all possible actions, resulting in higher costs for constructing state space representations. Lazy-DaSH maintains efficient query performance by utilizing a constraint feedback mechanism within its hierarchical structure, ensuring that motion feasibility is effectively conveyed to the query process. By maintaining smaller state space representations, our method significantly reduces both representation construction time and query time. We evaluate Lazy-DaSH in four distinct scenarios, demonstrating its scalability to increasing numbers of robots and objects, as well as its adaptability in resolving conflicts through the constraint feedback mechanism.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google