面向动态环境的模块化多级重规划 TAMP 框架
机器人学
2024-03-12 v3
摘要
任务与运动规划（TAMP）算法能够为机器人生成结合逻辑与运动方面的计划。然而，这些计划对干扰和控制误差十分敏感。为使 TAMP 在真实世界中更具适用性，我们提出了模块化多级重规划 TAMP 框架（MMRF），将基于采样的 TAMP 算法的概率完备性与反应式重规划的鲁棒性相融合。MMRF 从初始状态生成标称计划，随后实时动态重构该标称计划，重排机器人操作。在逻辑层调整之后，GMRF 将尝试重新规划新的运动路径，以确保更新后的计划在运动层可行。最后，我们开展了涉及堆叠与重排任务域的真实世界实验。结果表明，MMRF 能够在具有不同程度干扰的场景中迅速完成任务。
引用
@article{arxiv.2310.14816,
title = {Modular Multi-Level Replanning TAMP Framework for Dynamic Environment},
author = {Tao Lin and Chengfei Yue and Ziran Liu and Xibin Cao},
journal= {arXiv preprint arXiv:2310.14816},
year = {2024}
}