Multi-Stage Monte Carlo Tree Search for Non-Monotone Object Rearrangement Planning in Narrow Confined Environments

要約

キャビネットや棚などの限られたスペースでの非単調なオブジェクトの再配置計画は、ロボット工学において広く発生しているものの、困難な問題です。
スペースが限られているため、ロボットの動作とオブジェクトの再配置に使用できる領域は両方とも非常に制限されます。
この研究では、限られた空間における非単調オブジェクト再配置計画問題を解決するための多段階モンテカルロ木探索 (MS-MCTS) 手法を提案します。
私たちのアプローチは、オブジェクト段階のトポロジーを使用して、複雑な問題をより単純な部分問題に分離します。
高レベルの計画と低レベルのロボットの動作を共同で考慮する、サブゴールに焦点を当てたツリー展開アルゴリズムは、検索スペースを削減し、検索プロセスをより適切にガイドするように設計されています。
タスクを MCTS パラダイムに適合させることにより、私たちの方法は探索と活用のバランスをとることで楽観的な解決策を生み出します。
実験により、計画時間、ステップ数、総移動距離の点で、私たちの方法が既存の方法よりも優れていることが実証されました。
さらに、MS-MCTS を現実世界のロボット システムに展開し、さまざまなシナリオでそのパフォーマンスを検証します。

要約(オリジナル)

Non-monotone object rearrangement planning in confined spaces such as cabinets and shelves is a widely occurring but challenging problem in robotics. Both the robot motion and the available regions for object relocation are highly constrained because of the limited space. This work proposes a Multi-Stage Monte Carlo Tree Search (MS-MCTS) method to solve non-monotone object rearrangement planning problems in confined spaces. Our approach decouples the complex problem into simpler subproblems using an object stage topology. A subgoal-focused tree expansion algorithm that jointly considers the high-level planning and the low-level robot motion is designed to reduce the search space and better guide the search process. By fitting the task into the MCTS paradigm, our method produces optimistic solutions by balancing exploration and exploitation. The experiments demonstrate that our method outperforms the existing methods in terms of the planning time, the number of steps, and the total move distance. Moreover, we deploy our MS-MCTS to a real-world robot system and verify its performance in different scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google