Optimal Cost-Preference Trade-off Planning with Multiple Temporal Tasks

要約

自律型ロボットは、複数の複雑なタスクを伴う現実的なシナリオでますます活用されています。
このようなシナリオでは、指定されたタスクをすべて完了するための好ましい方法があるかもしれませんが、それは最適な実行と矛盾することがよくあります。
最近の研究では、好みに基づいた計画を研究していますが、各タスクに関するロボットの動作に好みの概念を拡張するまでには至っていません。
この研究では、個々のタスクとその関係に対する好みを表現するための一般化されたフレームワークを提供する、新しい好みの概念を導入します。
次に、ユーザーの好みに従う動作とリソース最適な動作の間の最適トレードオフ (パレート) 分析を実行します。
A* 検索を拡張することで、ユーザーの好みに応じてパレート最適計画を生成する効率的な計画フレームワークを導入します。
さらに、多目的 A* アルゴリズムを適応させてパレート フロント全体 (すべての最適なトレードオフのセット) を計算する方法を示します。
また、スケーラビリティを可能にする、問題にとらわれない検索ヒューリスティックも提供します。
移動ロボットとマニピュレーターの両方におけるフレームワークの力を説明します。
私たちのベンチマークは、最大 2 桁の高速化によるヒューリスティックの有効性を示しています。

要約(オリジナル)

Autonomous robots are increasingly utilized in realistic scenarios with multiple complex tasks. In these scenarios, there may be a preferred way of completing all of the given tasks, but it is often in conflict with optimal execution. Recent work studies preference-based planning, however, they have yet to extend the notion of preference to the behavior of the robot with respect to each task. In this work, we introduce a novel notion of preference that provides a generalized framework to express preferences over individual tasks as well as their relations. Then, we perform an optimal trade-off (Pareto) analysis between behaviors that adhere to the user’s preference and the ones that are resource optimal. We introduce an efficient planning framework that generates Pareto-optimal plans given user’s preference by extending A* search. Further, we show a method of computing the entire Pareto front (the set of all optimal trade-offs) via an adaptation of a multi-objective A* algorithm. We also present a problem-agnostic search heuristic to enable scalability. We illustrate the power of the framework on both mobile robots and manipulators. Our benchmarks show the effectiveness of the heuristic with up to 2-orders of magnitude speedup.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google