Multi-Robot Geometric Task-and-Motion Planning for Collaborative Manipulation Tasks

要約

私たちは、同期的な単調なセットアップにおけるマルチロボットの幾何学的タスクおよび動作計画 (MR-GTAMP) の問題に取り組みます。
MR-GTAMP 問題の目標は、他の移動可能なオブジェクトが存在する中で、複数のロボットを使用してオブジェクトをゴール領域まで移動させることです。
私たちは、ロボットが成功して効果的になるためにインテリジェントなコラボレーション戦略を採用する必要がある共同操作タスクに焦点を当てます。つまり、どのロボットがどのオブジェクトをどの位置に移動するかを決定し、引き継ぎなどの共同アクションを実行する必要があります。
ロボットにこれらのコラボレーション機能を与えるために、最初に動作計画アルゴリズムを呼び出して各ロボットのオクルージョンと到達可能性の情報を収集することを提案します。
次に、収集した情報を使用して、さまざまなオブジェクトの操作の優先順位を把握し、非常に効果的な共同作業および動作計画の探索をガイドする混合整数プログラムの実装をサポートするグラフ構造を構築する方法を提案します。
協調的なタスクと動作の計画の検索プロセスは、探索と活用のバランスを達成するためのモンテカルロ ツリー探索 (MCTS) 探索戦略に基づいています。
私たちは 2 つの困難な MR-GTAMP ドメインでフレームワークを評価し、計画時間、結果として生じる計画の長さ、移動されたオブジェクトの数に関して 2 つの最先端のベースラインを上回るパフォーマンスを示しました。
また、私たちのフレームワークが、ロボットアームが自律型屋根ボルターと連携する必要がある地下採掘作業にも適用できることも示します。
シミュレーションとロボットの両方で、2 つの屋根ボルト締めシナリオで計画の実行を実証します。

要約(オリジナル)

We address multi-robot geometric task-and-motion planning (MR-GTAMP) problems in synchronous, monotone setups. The goal of the MR-GTAMP problem is to move objects with multiple robots to goal regions in the presence of other movable objects. We focus on collaborative manipulation tasks where the robots have to adopt intelligent collaboration strategies to be successful and effective, i.e., decide which robot should move which objects to which positions, and perform collaborative actions, such as handovers. To endow robots with these collaboration capabilities, we propose to first collect occlusion and reachability information for each robot by calling motion-planning algorithms. We then propose a method that uses the collected information to build a graph structure which captures the precedence of the manipulations of different objects and supports the implementation of a mixed-integer program to guide the search for highly effective collaborative task-and-motion plans. The search process for collaborative task-and-motion plans is based on a Monte-Carlo Tree Search (MCTS) exploration strategy to achieve exploration-exploitation balance. We evaluate our framework in two challenging MR-GTAMP domains and show that it outperforms two state-of-the-art baselines with respect to the planning time, the resulting plan length and the number of objects moved. We also show that our framework can be applied to underground mining operations where a robotic arm needs to coordinate with an autonomous roof bolter. We demonstrate plan execution in two roof-bolting scenarios both in simulation and on robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google