基于优化的任务与运动规划综述：从经典方法到学习方法
机器人学
2024-10-08 v5 人工智能
摘要
任务与运动规划（TAMP）集成了高层任务规划和低层运动规划，使机器人具备有效推理长时程、动态任务的自主能力。基于优化的 TAMP 专注于混合优化方法，这些方法通过目标函数定义目标条件，并且能够处理开放式目标、机器人动力学以及机器人与环境之间的物理交互。因此，基于优化的 TAMP 特别适合解决高度复杂、富含接触的移动与操作问题。本综述对基于优化的 TAMP 进行了全面回顾，涵盖 (i) 规划领域表示，包括动作描述语言和时序逻辑，(ii) TAMP 各组件的单独求解策略，包括 AI 规划和轨迹优化（TO），以及 (iii) 基于逻辑的任务规划与基于模型的 TO 之间的动态相互作用。本综述的一个特别重点是强调高效求解 TAMP 的算法结构，尤其是分层和分布式方法。此外，本综述强调了经典方法与当代基于学习的创新（如大语言模型）之间的协同作用。此外，本综述讨论了 TAMP 的未来研究方向，突出了算法和应用特定的挑战。
引用
@article{arxiv.2404.02817,
title = {A Survey of Optimization-based Task and Motion Planning: From Classical To Learning Approaches},
author = {Zhigen Zhao and Shuo Cheng and Yan Ding and Ziyi Zhou and Shiqi Zhang and Danfei Xu and Ye Zhao},
journal= {arXiv preprint arXiv:2404.02817},
year = {2024}
}
备注
26 pages, 13 figures, published at IEEE/ASME Transactions on Mechatronics