IMPACT: 基于视觉语言模型的可接受接触轨迹智能运动规划
机器人学
2026-03-10 v3 人工智能
机器学习
摘要
运动规划涉及确定一系列机器人构型以到达期望姿态，同时满足运动和安全约束。传统运动规划寻找无碰撞路径，但在杂乱环境中这过于严格，因为机器人可能无法在不接触的情况下完成任务。此外，接触从相对温和（如刷过柔软枕头）到更危险（如碰倒玻璃花瓶）不等，使得难以刻画哪些接触是可接受的。在本文中，我们提出IMPACT，一种利用视觉语言模型(VLMs)推断环境语义的新型运动规划框架，根据物体属性和位置识别环境中哪些部分最能容忍接触。我们的方法生成一个编码方向性推压安全性的各向异性代价地图。我们将该地图与接触感知A*规划器配对，以寻找稳定的接触丰富路径。我们在20个仿真场景和10个真实场景中进行实验，并使用任务成功率、物体位移和人工评估者反馈进行评估。在3200次仿真和200次真实世界试验的结果表明，IMPACT能够在杂乱环境中实现高效的接触丰富运动规划，同时优于替代方法和消融实验。我们的项目网站位于https://impact-planning.github.io/。
引用
@article{arxiv.2503.10110,
title = {IMPACT: Intelligent Motion Planning with Acceptable Contact Trajectories via Vision-Language Models},
author = {Yiyang Ling and Karan Owalekar and Oluwatobiloba Adesanya and Erdem Bıyık and Daniel Seita},
journal= {arXiv preprint arXiv:2503.10110},
year = {2026}
}