通过草图分解进行组合任务与运动规划（含补充材料的扩展版本）
机器人学
2024-03-26 v1
摘要
组合任务与运动规划（TAMP）的挑战在于有效整合对组合空间的搜索（通常由任务规划器执行）和对连续配置空间的搜索（由运动规划器执行）。使用运动规划器来测试任务计划的可行性并填充细节并不有效，因为这使得几何约束扮演了被动的角色。这项工作引入了一种新的交错方法来整合 TAMP 的两个维度，该方法利用了草图，这是一种用于表达问题分解为子问题的简单但强大的语言。如果一个草图将问题分解为可以在线性时间内贪婪解决的子问题，则其宽度为 1。在本文中，为几类 TAMP 问题引入了一个通用草图，在合适的假设下其宽度为 1。虽然草图分解是为经典规划开发的，但它们在 TAMP 的背景下提供了两个重要的好处。首先，当发现一个任务计划由于几何约束而不可行时，组合搜索会在一个特定的子问题中恢复。其次，物体配置的采样不是在搜索开始时全局一次性完成的，而是在每个子问题开始时局部完成的。还考虑了此基本设置的优化，并报告了在现有和新的拾取与放置基准上的实验结果。
引用
@article{arxiv.2403.16277,
title = {Combined Task and Motion Planning Via Sketch Decompositions (Extended Version with Supplementary Material)},
author = {Magí Dalmau-Moreno and Néstor García and Vicenç Gómez and Héctor Geffner},
journal= {arXiv preprint arXiv:2403.16277},
year = {2024}
}