R-LGP: A Reachability-guided Logic-geometric Programming Framework for Optimal Task and Motion Planning on Mobile Manipulators

要約

この論文では、モバイル マニピュレータ上のタスクおよび動作計画 (TAMP) に対する最適化ベースのソリューションを紹介します。
論理幾何計画法 (LGP) は、抽象的および幾何学的制約を伴うハイブリッド TAMP 問題を最適に処理するための有望な機能を示しています。
ただし、LGP は高次元システム (モバイル マニピュレータなど) にはうまく拡張できず、極小値による障害物回避の問題が発生する可能性があります。
この作業では、サンプリング ベースの到達可能性グラフを使用して LGP を拡張し、高自由度モバイル マニピュレータで最適な TAMP を解決できるようにします。
提案された到達可能性グラフには、環境情報 (障害物) を組み込んで、プランナーに十分な幾何学的制約を提供できます。
この到達可能性を意識したヒューリスティックは、連続ドメイン内の実行不可能な一連のアクションを効率的に排除するため、最終的なフルパス軌道の最適化で実現可能性を確保することで再計画を削減します。
私たちのフレームワークは、最適で衝突のないソリューションを計算する際に時間効率が高く、成功率、計画時間、パスの長さ、ステップ数の指標において現在の最先端技術を上回っていることが証明されています。
私たちは、物理的なトヨタ HSR ロボットに関するフレームワークを検証し、難易度が高くなる一連の移動操作タスクの比較を報告します。
実験のビデオは https://youtu.be/NEVVHEhQnOQ でご覧いただけます。

要約(オリジナル)

This paper presents an optimization-based solution to task and motion planning (TAMP) on mobile manipulators. Logic-geometric programming (LGP) has shown promising capabilities for optimally dealing with hybrid TAMP problems that involve abstract and geometric constraints. However, LGP does not scale well to high-dimensional systems (e.g. mobile manipulators) and can suffer from obstacle avoidance issues due to local minima. In this work, we extend LGP with a sampling-based reachability graph to enable solving optimal TAMP on high-DoF mobile manipulators. The proposed reachability graph can incorporate environmental information (obstacles) to provide the planner with sufficient geometric constraints. This reachability-aware heuristic efficiently prunes infeasible sequences of actions in the continuous domain, hence, it reduces replanning by securing feasibility at the final full path trajectory optimization. Our framework proves to be time-efficient in computing optimal and collision-free solutions, while outperforming the current state of the art on metrics of success rate, planning time, path length and number of steps. We validate our framework on the physical Toyota HSR robot and report comparisons on a series of mobile manipulation tasks of increasing difficulty. Videos of the experiments are available at https://youtu.be/NEVVHEhQnOQ.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google