ReloPush-BOSS：基于 Dubins 路径分类优化引导的类车辆机器人推力器的非单调式重排规划

我们聚焦于使用类车辆机器人推力器在密集 cluttered 环境中的多物体重排规划问题。该领域背后的运动学、几何和物理约束组合导致具有挑战性的非单调问题实例，要求将每个操纵动作拆分为多个部分以实现 desired object rearrangement。先前工作通过规划 prerelocations（启用约束满足的临时物体位移）来解决此类实例，但决定在何处进行 prerelocation 仍然困难，因为局部最小值导致不可行或高成本路径。我们的关键洞察是，通过 Dubins 路径分类引导 prerelocation 优化朝向低成本区域，以避免这些最小值。将这些优化后的 prerelocations 集成到对象可遍历图中，该图编码了运动学、几何和推力约束。以深度优先方式搜索该图可导致高效、可行的重排序列。在密集场景中最多包含 13 个物体的多个场景中，我们的框架 ReloPush-BOSS 相较于最先进的基线方法表现出始终最高的成功率和最短的推力路径。对 1/10 比例类车辆推力器的硬件实验表明了我们方法的鲁棒性。代码和实验 footage 可在 https://fluentrobotics.com/relopushboss 查看。