Hierarchical Temporal Logic Task and Motion Planning for Multi-Robot Systems

要約

個別のタスク計画を継続的なモーション計画と統合するマルチロボットシステムのタスクとモーションプランニング（TAMP）は、ロボット工学の困難な問題のままです。
既存のTAMPアプローチは、複雑な仕様を備えたマルチロボットシステムの効果的なスケーリングに苦労しており、実行可能なソリューションと長時間の計算時間につながります。
この作業では、表現型階層的な時間論的論理を使用してタスクが指定されており、タスクの割り当ては事前に決定されていないマルチロボット設定のTAMP問題に対処します。
当社のアプローチは、タスクレベルの計画のための階層的な時間論的論理仕様の効率と、モーションレベルの計画のための凸セットセットの最適化ベースのグラフを活用し、それらを製品グラフフレームワークに統合します。
タスクレベルでは、階層的な時間論的論理仕様を単一のグラフに変換し、そのエッジ内にタスク割り当てを埋め込みます。
モーションレベルでは、サンプリングベースのモーションプランナーに導かれ、構成スペースの凸セットを介した複数のロボットの実行可能な動きを表します。
この定式化により、TAMPの問題を、効率的な凸最適化技術を適用できる製品グラフ内の最短パス検索として定義できます。
私たちのアプローチは、穏やかな仮定の下で健全で完全であることを証明しています。
さらに、ロボット間のオブジェクトハンドオーバーを含む協力的なピックアンドプレイスタスクにフレームワークを拡張します。
4倍、ロボットアーム、自動化されたコンベアシステムを備えたシミュレーションおよび実際の世界環境を含む、さまざまな高次元のマルチロボットシナリオにまたがる方法を評価します。
私たちの結果は、私たちのアプローチが実行時間とソリューションの最適性の既存の方法を上回り、タスクの複雑さで効果的にスケーリングすることを示しています。

要約(オリジナル)

Task and motion planning (TAMP) for multi-robot systems, which integrates discrete task planning with continuous motion planning, remains a challenging problem in robotics. Existing TAMP approaches often struggle to scale effectively for multi-robot systems with complex specifications, leading to infeasible solutions and prolonged computation times. This work addresses the TAMP problem in multi-robot settings where tasks are specified using expressive hierarchical temporal logic and task assignments are not pre-determined. Our approach leverages the efficiency of hierarchical temporal logic specifications for task-level planning and the optimization-based graph of convex sets method for motion-level planning, integrating them within a product graph framework. At the task level, we convert hierarchical temporal logic specifications into a single graph, embedding task allocation within its edges. At the motion level, we represent the feasible motions of multiple robots through convex sets in the configuration space, guided by a sampling-based motion planner. This formulation allows us to define the TAMP problem as a shortest path search within the product graph, where efficient convex optimization techniques can be applied. We prove that our approach is both sound and complete under mild assumptions. Additionally, we extend our framework to cooperative pick-and-place tasks involving object handovers between robots. We evaluate our method across various high-dimensional multi-robot scenarios, including simulated and real-world environments with quadrupeds, robotic arms, and automated conveyor systems. Our results show that our approach outperforms existing methods in execution time and solution optimality while effectively scaling with task complexity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google