基于优先节点扩展的蒙特卡洛树搜索用于多目标任务规划
机器人学
2023-07-25 v2
摘要
由于可能动作空间的组合复杂性，机器人的符号任务规划在计算上具有挑战性。如果存在多个需要实现的子目标，由于动作序列长度增加，这一困难会更加突出。在本工作中，我们提出了一种基于蒙特卡洛树搜索的确定性决策过程多目标符号任务规划器。我们通过优先节点扩展来增强该算法，该策略优先扩展已满足部分子目标的节点。由于其在子目标数量上呈线性复杂度，我们的算法能够在搜索树限制在 6500 个节点以内的情况下，识别出长达 145 个元素的符号动作序列，以达成具有多达 48 个子目标的目标状态。我们利用基于运动学可达性准则的动作约简来进一步降低计算复杂度。我们将算法与物体定位和运动规划相结合，并将其应用于工业轴承检测场景中双机械臂的真实机器人演示。
引用
@article{arxiv.2303.04518,
title = {Monte-Carlo Tree Search with Prioritized Node Expansion for Multi-Goal Task Planning},
author = {Kai Pfeiffer and Leonardo Edgar and Quang-Cuong Pham},
journal= {arXiv preprint arXiv:2303.04518},
year = {2023}
}