图上的离线任务协助规划：理论与算法基础

本文提出了任务协助规划问题。我们给出两个机器人 Rtask 和 Rassist。第一个机器人 Rtask 负责通过执行预计算路径来完成给定任务。第二个机器人 Rassist 负责利用 onboard 传感器协助 Rtask 完成任务。Rassist 提供协助能力取决于两个机器人的相对位置。由于 Rtask 沿其路径移动，Rassist 可能也需要移动以提供尽可能多的协助。我们研究的问题是如何计算 Rassist 的路径，以最大化其提供协助的 Rtask 路径比例。我们将问题限制在 Rassist 移动于由其配置空间嵌入的路网构成的图上，并证明该问题是 NP-hard 的。幸运的是，我们证明当 Rassist 移动于给定路径上，我们只需计算 Rassist 应在从一个配置移动到下一个配置的时间点时，可以以多项式时间内获得最优解。结合精心设计的上界，该多项式时间算法被集成到一个基于分枝限界的算法中，可计算出问题的最优解，显著优于基线方法。我们在包含平面操作臂和 UR 机器人等仿真场景以及实际实验室中的实际机器人上进行了实证演示。