Multi-query Robotic Manipulator Task Sequencing with Gromov-Hausdorff Approximations

要約

ロボットマニピュレーターアプリケーションは、多くの場合、効率的なオンラインモーション計画が必要です。
複数のタスクを完了するとき、シーケンスの順序と目標構成の選択は、計画パフォーマンスに劇的な影響を与える可能性があります。
これは、ロボットタスクシーケンス問題（RTSP）としてよく知られています。
既存の汎用RTSPアルゴリズムは、品質の低いソリューションを生成したり、利用可能な計算時間が制限されている場合に完全に障害を生成したりする可能性があります。
静的障害と非静的障害の組み合わせで、半構造化環境で動作するように設計された新しいマルチクエリタスクシーケンスメソッドを提案します。
私たちの方法は、計画効率のためにワークスペースの一般性を意図的に交換します。
静的な障害物を備えたユーザー定義のタスクスペースを考えると、サブスペース分解を計算します。
重要なアイデアは、タスクと構成空間の両方で互いに近いポイントを識別する$ \ epsilon $ -gromov-hausdorff近似として知られる近似イソメトリを確立することです。
重要なことに、これらの部分空間内のパスの長さにおける境界のあるサブオプティマリティ保証が証明されています。
これらの境界関係はさらに、同じ部分空間内の経路をスムーズに連結できることを意味します。これは、効率的なタスクシーケンスを決定するのに役立つことを示しています。
複雑なシミュレートされた環境でいくつかの運動学的構成で私たちの方法を評価し、ベースラインと比較して最大3倍のモーションプランニングと5倍低い最大軌道ジャークを達成します。

要約(オリジナル)

Robotic manipulator applications often require efficient online motion planning. When completing multiple tasks, sequence order and choice of goal configuration can have a drastic impact on planning performance. This is well known as the robot task sequencing problem (RTSP). Existing general-purpose RTSP algorithms are susceptible to producing poor-quality solutions or failing entirely when available computation time is restricted. We propose a new multi-query task sequencing method designed to operate in semi-structured environments with a combination of static and non-static obstacles. Our method intentionally trades off workspace generality for planning efficiency. Given a user-defined task space with static obstacles, we compute a subspace decomposition. The key idea is to establish approximate isometries known as $\epsilon$-Gromov-Hausdorff approximations that identify points that are close to one another in both task and configuration space. Importantly, we prove bounded suboptimality guarantees on the lengths of paths within these subspaces. These bounding relations further imply that paths within the same subspace can be smoothly concatenated, which we show is useful for determining efficient task sequences. We evaluate our method with several kinematic configurations in a complex simulated environment, achieving up to 3x faster motion planning and 5x lower maximum trajectory jerk compared to baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google