MANER：杂乱环境中物体的多智能体神经重排规划
机器人学
2023-11-07 v2 人工智能
机器学习
摘要
物体重排是机器人学中的基础问题，具有从仓库管理到厨房清理与整理等多种实际应用。尽管现有研究主要关注单智能体方案，真实场景常需多机器人协作完成重排任务。本文提出一种基于学习的多智能体物体重排规划综合框架，应对复杂环境中任务排序与路径规划的挑战。所提方法在运动学可行性与任务可达性约束下，迭代地选择物体、确定其重定位区域，并将其与可用机器人配对执行以实现目标排布。我们在多样化模拟与真实环境上的实验证明了该框架的有效性与鲁棒性。此外，结果表明相较于基线方法，在遍历时间与成功率方面均有提升。
引用
@article{arxiv.2306.06543,
title = {MANER: Multi-Agent Neural Rearrangement Planning of Objects in Cluttered Environments},
author = {Vivek Gupta and Praphpreet Dhir and Jeegn Dani and Ahmed H. Qureshi},
journal= {arXiv preprint arXiv:2306.06543},
year = {2023}
}
备注
The videos and supplementary material are available at https://sites.google.com/view/maner-supplementary