具有不确定性与风险感知的部分可观测任务与运动规划
机器人学
2024-10-08 v2 人工智能
摘要
集成的任务与运动规划（TAMP）已被证明是解决可泛化的长时程机器人操作与导航问题的有效方法。然而，典型的 TAMP 问题表述假设具有完全可观测性和确定性的动作效果。这些假设限制了规划器收集信息并做出风险感知决策的能力。我们提出了一种具有不确定性与风险感知的 TAMP 策略（TAMPURA），能够高效求解具有初始状态和动作结果不确定性的长时程规划问题，包括需要收集信息并避免不可取且不可逆结果的问题。我们的规划器在抽象任务层和连续控制器层均在不确定性下进行推理。给定一组在原始动作空间中运行的闭环目标条件控制器，以及其前置条件和潜在能力的描述，我们学习一种可高效求解的高级抽象，随后将其细化为可执行的连续动作。我们在多个以不确定性为关键因素的机器人问题上展示了该方法，并表明在这些问题上于不确定性下进行推理优于先前提出的确定性规划、直接搜索和强化学习策略。最后，我们利用概率感知的最新进展，在两个真实世界机器人问题上展示了我们的规划器。
引用
@article{arxiv.2403.10454,
title = {Partially Observable Task and Motion Planning with Uncertainty and Risk Awareness},
author = {Aidan Curtis and George Matheos and Nishad Gothoskar and Vikash Mansinghka and Joshua Tenenbaum and Tomás Lozano-Pérez and Leslie Pack Kaelbling},
journal= {arXiv preprint arXiv:2403.10454},
year = {2024}
}