低级推理与任务规划之间的集成层次
机器人学
2013-07-30 v1 人工智能
摘要
我们对离散高级推理与连续低级推理之间的集成层次进行了系统分析，以解决机器人学中的混合规划问题。我们确定了四种不同的集成策略：(i) 预先对所有可能情况进行低级检查，然后在规划生成期间使用该信息；(ii) 在搜索规划时仅在需要时进行低级检查；(iii) 首先计算所有规划，然后过滤掉不可行的规划；(iv) 通过重规划，在找到规划后，低级检查识别其是否不可行；如果不可行，则结合先前低级检查的结果计算新规划。我们在机器人操作和足式 locomotion 领域的混合规划问题上对这些四种集成方法及其部分组合进行了实验。我们从计算效率（时间和空间）以及规划质量相对于其可行性的角度，分析了集成层次在这些领域中的有用性。我们结合实验结果讨论了每种策略的优缺点，并为给定领域选择合适的策略提供了一些指导原则。
引用
@article{arxiv.1307.7461,
title = {Levels of Integration between Low-Level Reasoning and Task Planning},
author = {Esra Erdem and Volkan Patoglu and Peter Schüller},
journal= {arXiv preprint arXiv:1307.7461},
year = {2013}
}
备注
In Workshop on Knowledge Representation and Reasoning in Robotics (KRR) (International Conference on Logic Programming (ICLP) 2013)