用于近最优任务与运动规划的可容许抽象
人工智能
2018-06-05 v1 机器人学
摘要
我们定义了使用 angelic 语义表达的抽象的可容许条件，并表明这些条件使我们能够在加速规划的同时保持找到最优运动规划的能力。随后，我们针对两个具有连续状态的运功规划域推导了可容许抽象。我们利用问题域的局部度量与拓扑性质提取具体运动规划代价的上下界。这些边界在指导规划搜索的同时保持了性能保证。我们表明，相对于直接运动规划器，抽象可以显著降低搜索的复杂度。使用我们的抽象，我们在涉及 个状态的规划问题中找到了近最优运动规划，而无需使用单独的任务规划器。
引用
@article{arxiv.1806.00805,
title = {Admissible Abstractions for Near-optimal Task and Motion Planning},
author = {William Vega-Brown and Nicholas Roy},
journal= {arXiv preprint arXiv:1806.00805},
year = {2018}
}
备注
This document is an extended version of a paper to appear in the "27th International Joint Conference on Artificial Intelligence" in July 2018