学习为机器人任务与运动规划接地物体
机器人学
2022-02-16 v2
摘要
任务与运动规划（TAMP）算法已被开发用于帮助机器人在离散和连续空间中规划行为。机器人面临复杂的真实世界场景，其中几乎不可能为机器人规划建模所有物体或其物理属性（例如在厨房或购物中心）。在本文中，我们定义了一种新的以物体为中心的 TAMP 问题，其中 TAMP 机器人不知道物体属性（例如积木的大小和重量）。随后我们引入任务-运动以物体为中心规划（{\bf TMOC}），一种通过物理引擎学习接地物体及其物理属性的接地 TAMP 算法。TMOC 对于那些涉及动态复杂机器人-多物体交互且难以事先建模的任务尤为有用。我们已在仿真和使用真实机器人中对 TMOC 进行了演示和评估。结果表明，TMOC 在累积效用上优于文献中的竞争性基线。
引用
@article{arxiv.2202.06674,
title = {Learning to Ground Objects for Robot Task and Motion Planning},
author = {Yan Ding and Xiaohan Zhang and Xingyue Zhan and Shiqi Zhang},
journal= {arXiv preprint arXiv:2202.06674},
year = {2022}
}