基于扩展 AND/OR 图的任务与运动规划框架
机器人学
2025-09-03 v1 人工智能
摘要
空间环境中的机器人自主性面临独特挑战，包括高感知与运动不确定性、严格的运动学约束以及有限的人工干预机会。因此，任务与运动规划（TMP）对于自主维护、表面操作甚至在轨任务等可能至关重要，因为它将任务建模为离散动作序列与连续运动可行性评估的集成。在本文中，我们引入了一个基于扩展 AND/OR 图的 TMP 框架，称为 TMP-EAOG，并展示了其对不同场景的适应性。TMP-EAOG 在 AND/OR 图中编码任务级抽象，该图随着计划的执行而迭代扩展，并在环路中执行运动规划评估以确定其可行性。因此，TMP-EAOG 具有以下理想特性：(i) 对一定程度不确定性的鲁棒性，因为 AND/OR 图的扩展可以适应关于机器人环境的不可预测信息；(ii) 可控自主性，因为 AND/OR 图可由人类专家验证；(iii) 有界灵活性，即意外事件（包括对不可行运动的评估）可以导致 AND/OR 图中替代路径的不同行动方案。我们在两个基准域上评估了 TMP-EAOG。我们使用模拟的移动机械臂作为空间级自主机器人的代理。我们的评估表明，TMP-EAOG 能够应对基准测试中的广泛挑战。
引用
@article{arxiv.2509.00317,
title = {A Framework for Task and Motion Planning based on Expanding AND/OR Graphs},
author = {Fulvio Mastrogiovanni and Antony Thomas},
journal= {arXiv preprint arXiv:2509.00317},
year = {2025}
}
备注
Accepted for an oral presentation at ASTRA Conference, 2025