Modular Multi-Level Replanning TAMP Framework for Dynamic Environment

要約

タスク アンド モーション プランニング (TAMP) アルゴリズムは、ロボットのロジックとモーションの側面を組み合わせた計画を生成できます。
ただし、これらの計画は干渉や制御エラーに敏感です。
TAMP を現実世界にさらに適用できるようにするために、サンプリング ベースの TAMP アルゴリズムの確率的完全性と事後的再計画の堅牢性を融合したモジュール式マルチレベル再計画 TAMP フレームワーク (MMRF) を提案します。
MMRF は、初期状態からノミナル プランを生成し、このノミナル プランをリアルタイムで動的に再構築し、ロボットの操作を並べ替えます。
ロジック レベルの調整に続いて、GMRF は新しいモーション パスの再計画を試み、更新された計画がモーション レベルで実行可能であることを確認します。
最後に、タスク ドメインのスタックと再配置を伴う実際の実験を行いました。
この結果は、さまざまな程度の干渉があるシナリオでタスクを迅速に完了する MMRF の能力を示しています。

要約(オリジナル)

Task and Motion Planning (TAMP) algorithms can generate plans that combine logic and motion aspects for robots. However, these plans are sensitive to interference and control errors. To make TAMP more applicable in real-world, we propose the modular multi-level replanning TAMP framework(MMRF), blending the probabilistic completeness of sampling-based TAMP algorithm with the robustness of reactive replanning. MMRF generates an nominal plan from the initial state, then dynamically reconstructs this nominal plan in real-time, reorders robot manipulations. Following the logic-level adjustment, GMRF will try to replan a new motion path to ensure the updated plan is feasible at the motion level. Finally, we conducted real-world experiments involving stack and rearrange task domains. The result demonstrate MMRF’s ability to swiftly complete tasks in scenarios with varying degrees of interference.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google