基于交叉熵优化的物理 grounding 任务与运动计划
机器人学
2025-12-15 v1
摘要
自动执行任务通常需要机器人规划高层离散动作和连续的低层运动来实现。以往的 TAMP（Task and Motion Planning）算法主要关注计算性能、完备性或最优性，通过简化和抽象使问题可计算，这以牺牲计划结果可能无法考虑必要的动力学或复杂接触的可靠性为代价。此外，忽略低层控制器影响的方案可能无法获得最优或可行的计划实现。我们研究使用 GPU 并行化物理模拟器来计算计划的实现，考虑动力学和环境接触。通过交叉熵优化，我们对控制器的参数进行采样，以获得低成本解。由于我们的方案使用与实际系统相同的控制器，机器人可以直接执行计算得到的计划。我们针对一组需要机器人利用环境几何来移动物体的任务演示了该方法。网站和代码: https://andreumatoses.github.io/research/parallel-realization
引用
@article{arxiv.2512.11571,
title = {Cross-Entropy Optimization of Physically Grounded Task and Motion Plans},
author = {Andreu Matoses Gimenez and Nils Wilde and Chris Pek and Javier Alonso-Mora},
journal= {arXiv preprint arXiv:2512.11571},
year = {2025}
}
备注
Preprint