Adaptive Human-Robot Collaborative Missions using Hybrid Task Planning

要約

これらのミッションが正常に完了する可能性を高めるための、人間とロボットの共同ミッションで堅牢なタス​​ク計画を作成することは、重要な活動です。
さまざまなクラスの制約と不確実性を考慮している地域の幅広い研究機関にもかかわらず、その適用性は、数学的に基づいたまたはヒューリスティック主導のソルバーエンジンによって快適に対処できる比較的単純な問題に限定されています。
この論文では、2つの絡み合った部分に分解することにより、タスク計画の問題を効果的に解決するハイブリッドアプローチを導入し、実行可能な計画の識別から始めて、その不確実性の増強と検証がパレート最適計画のセットをもたらします。
その堅牢性を高めるために、適応戦術は進化するシステムの要件とエージェントの能力のために考案されます。
私たちは、ブドウ園内で活動を行っている労働者とロボットを含む産業事例研究を通じてアプローチを実証し、ネイティブプランナーと比較した実行可能なソリューションの生成とスケーラビリティの両方におけるハイブリッドアプローチの利点を示しています。

要約(オリジナル)

Producing robust task plans in human-robot collaborative missions is a critical activity in order to increase the likelihood of these missions completing successfully. Despite the broad research body in the area, which considers different classes of constraints and uncertainties, its applicability is confined to relatively simple problems that can be comfortably addressed by the underpinning mathematically-based or heuristic-driven solver engines. In this paper, we introduce a hybrid approach that effectively solves the task planning problem by decomposing it into two intertwined parts, starting with the identification of a feasible plan and followed by its uncertainty augmentation and verification yielding a set of Pareto optimal plans. To enhance its robustness, adaptation tactics are devised for the evolving system requirements and agents’ capabilities. We demonstrate our approach through an industrial case study involving workers and robots undertaking activities within a vineyard, showcasing the benefits of our hybrid approach both in the generation of feasible solutions and scalability compared to native planners.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google