SeGMan: Sequential and Guided Manipulation Planner for Robust Planning in 2D Constrained Environments

要約

このホワイトペーパーでは、サンプリングベースと最適化ベースのテクニックを統合し、ガイド付きのフォワード検索と、ピックアンドプレイスパズルなどの複雑で制約された連続操作の課題に対処するハイブリッドモーション計画フレームワークであるセグマンを紹介します。
セグマンは、サブゴールの粒度を調整し、全体的な効率を高める適応サブゴール選択方法を組み込んでいます。
さらに、提案された一般化可能なヒューリスティックは、よりターゲットを絞った方法でフォワード検索をガイドします。
多数のオブジェクトと障害物が住む迷路のようなタスクの広範な評価は、セグマンが一貫した計算効率の良い操作計画だけでなく、最先端のアプローチを上回ることもできることを示しています。

要約(オリジナル)

In this paper, we present SeGMan, a hybrid motion planning framework that integrates sampling-based and optimization-based techniques with a guided forward search to address complex, constrained sequential manipulation challenges, such as pick-and-place puzzles. SeGMan incorporates an adaptive subgoal selection method that adjusts the granularity of subgoals, enhancing overall efficiency. Furthermore, proposed generalizable heuristics guide the forward search in a more targeted manner. Extensive evaluations in maze-like tasks populated with numerous objects and obstacles demonstrate that SeGMan is capable of generating not only consistent and computationally efficient manipulation plans but also outperform state-of-the-art approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google