预期规划：通过估计未来任务的期望代价改进长期规划
机器人学
2023-05-09 v1 人工智能
机器学习
摘要
我们考虑一个在家庭环境中的服务机器人，它一次接收一个高层任务序列。大多数现有的任务规划器由于缺乏对其后续可能被要求做什么的了解，孤立地解决每个任务，因此可能无意中引入使后续任务代价更高的副作用。为了降低完成所有任务的总体代价，我们认为机器人必须预期其动作对未来任务可能产生的影响。因此，我们提出预期规划：一种利用图神经网络对未来期望代价的估计来增强基于模型的任务规划的方法。我们的方法引导机器人朝向鼓励准备和整理的行为，从而降低长期规划场景中的总体代价。我们在积木世界（blockworld）环境中评估了我们的方法，并表明与无预期规划的规划相比，我们的方法将总体规划代价降低了5%。此外，如果给予提前准备环境的机遇（预期规划的一种特例），我们的规划器将总体代价改善了11%。
引用
@article{arxiv.2305.04692,
title = {Anticipatory Planning: Improving Long-Lived Planning by Estimating Expected Cost of Future Tasks},
author = {Roshan Dhakal and Md Ridwan Hossain Talukder and Gregory J. Stein},
journal= {arXiv preprint arXiv:2305.04692},
year = {2023}
}