一种基于迭代深化与或图网络的任务-运动规划框架

我们提出了一种使用迭代深化与或图网络（TMP-IDAN）的任务-运动规划（TMP）方法，该方法利用基于与或图网络的新型抽象来紧凑表示任务级状态与动作。在从杂乱物体中抓取目标物体时，抓取目标所需物体重排的次数无法提前获知。为应对这一挑战，与传统基于与或图的规划器不同，我们在线扩展与或图直至目标抓取可行，从而获得一个与或图网络。该与或图网络相比传统任务规划器计算更快。我们使用 Baxter 机器人和最先进的机器人模拟器在多个具有挑战性的非平凡杂乱桌面场景中验证了我们的方法并评估了其能力。实验表明，我们的方法可轻松扩展到物体数量增加及不同杂乱程度的情况。