交错调度与运动规划：基于符号时空运动抽象的增量学习
机器人学
2026-03-20 v2 人工智能
摘要
任务与运动规划将高层任务序列（即做什么）与低层运动规划（即如何做到）相结合，以生成可行的、无碰撞的执行计划。然而，在许多实际场景中，例如自动化仓库，任务是预定义的，这将挑战转向如何、何时以及在资源、时间和运动约束下安全高效地执行它们。在本文中，我们将此形式化为多对象导航的调度与运动规划问题，以共享工作空间为背景。我们提出了一种新颖的解决方案框架，通过增量学习循环交错地调用现成的调度器和运动规划器。调度器生成候选计划，而运动规划器检查可行性并返回符号反馈，即空间冲突和时序调整，以引导调度器趋向可行的运动解。我们在物流和作业车间调度基准上验证了该框架，增添了运动任务，使用最先进的调度器和采样-based 运动规划器。我们的结果表明，在复杂的时间空间约束下，尤其是同步运动至关重要时，框架能够有效地生成有效计划。
引用
@article{arxiv.2603.10651,
title = {Interleaving Scheduling and Motion Planning with Incremental Learning of Symbolic Space-Time Motion Abstractions},
author = {Elisa Tosello and Arthur Bit-Monnot and Davide Lusuardi and Alessandro Valentini and Andrea Micheli},
journal= {arXiv preprint arXiv:2603.10651},
year = {2026}
}