A Reachability Tree-Based Algorithm for Robot Task and Motion Planning

要約

この論文では、到達可能性ツリーを利用することにより、ロボットのタスクおよびモーション プランニング (TAMP) の問題に対する新しいアルゴリズムを提示します。
ツリーベースのアルゴリズムは、モーション プランニング (MP) における速度と単純さで知られていますが、抽象化された状態変数と幾何学的な状態変数の両方を含む TAMP 問題にはあまり適していません。
この課題に対処するために、まずモンテカルロ木探索 (MCTS) を使用して抽象化されたタスク プランを生成し、次に幾何学的に実行可能なモーション トラジェクトリで詳細を埋める、階層的サンプリング戦略を提案します。
さらに、MCTS に適切な報酬を選択し、幾何学的に実現可能であることが保証されている事前生成された目標状態を使用することにより、提案された方法のパフォーマンスを大幅に向上できることを示します。
TAMP ベンチマーク問題を使用した比較研究は、提案されたアプローチの有効性を示しています。

要約(オリジナル)

This paper presents a novel algorithm for robot task and motion planning (TAMP) problems by utilizing a reachability tree. While tree-based algorithms are known for their speed and simplicity in motion planning (MP), they are not well-suited for TAMP problems that involve both abstracted and geometrical state variables. To address this challenge, we propose a hierarchical sampling strategy, which first generates an abstracted task plan using Monte Carlo tree search (MCTS) and then fills in the details with a geometrically feasible motion trajectory. Moreover, we show that the performance of the proposed method can be significantly enhanced by selecting an appropriate reward for MCTS and by using a pre-generated goal state that is guaranteed to be geometrically feasible. A comparative study using TAMP benchmark problems demonstrates the effectiveness of the proposed approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google