MO-SeGMan：多目标顺序和受导约束环境下的置换规划框架
机器人学
2025-11-04 v1 人工智能
摘要
本文介绍了 MO-SeGMan，这是一个用于高度受限置换问题的多目标顺序和受导操作规划器。MO-SeGMan 生成的对象放置序列旨在最小化每个对象的重规划次数和机器人的行驶距离，同时保持关键依赖关系，并采用惰性评估方法。为了处理高度杂乱、非单调的情况，我们提出了选择性引导前向搜索 (Selective Guided Forward Search, SGFS) 方法，有效地仅重新定位关键障碍物并将其移动到可行的 relocation 点。此外，我们采用一种 refinement 方法，用于自适应子目标选择，以消除不必要的抓取和放置动作，从而提高整体解的质量。对九个基准置换任务进行的广泛评估表明，MO-SeGMan 在所有情况下都能生成可行的运动计划， consistently 实现更快的求解时间和更优的解质量。这些结果凸显了该提议框架在复杂置换规划问题中的鲁棒性和可扩展性。
引用
@article{arxiv.2511.01476,
title = {MO-SeGMan: Rearrangement Planning Framework for Multi Objective Sequential and Guided Manipulation in Constrained Environments},
author = {Cankut Bora Tuncer and Marc Toussaint and Ozgur S. Oguz},
journal= {arXiv preprint arXiv:2511.01476},
year = {2025}
}
备注
8 pages, 8 figures, website:https://sites.google.com/view/mo-segman/