ORLA*：基于移动机械臂的惰性 A* 物体重排
机器人学
2024-10-22 v2 人工智能
机器学习
摘要
有效执行物体重排是移动机械臂的一项关键技能，例如布置餐桌或整理书桌。此类问题中的一个主要挑战是决定合适的物体操作顺序，以有效解除物体间依赖关系，同时考虑实现操作所需的运动（如抓取与放置）。据我们所知，为移动机械臂计算时间最优的多物体重排解仍是一个基本未被探索的研究方向。在本研究中，我们提出 ORLA*，其在搜索高质量物体抓取与放置序列时利用延迟（惰性）评估，该序列同时考虑末端执行器与移动机器人底盘的移动。ORLA* 还借助机器学习支持考虑堆垛稳定性的多层重排任务。采用最优求解器寻找临时位移物体位置，ORLA* 可实现全局最优。通过大量仿真与消融实验，我们证实了 ORLA* 在为具有挑战性的重排实例提供高质量解方面的有效性。补充材料见：https://gaokai15.github.io/ORLA-Star/
引用
@article{arxiv.2309.13707,
title = {ORLA*: Mobile Manipulator-Based Object Rearrangement with Lazy A Star},
author = {Kai Gao and Zhaxizhuoma and Yan Ding and Shiqi Zhang and Jingjin Yu},
journal= {arXiv preprint arXiv:2309.13707},
year = {2024}
}
备注
Submitted to ICRA 2025