ReloPush：基于非全约束移动机器人推力器的受限空间多目标重排

我们聚焦于使用非全约束移动机器人进行基于推力的多目标重排规划。同时存在的几何、运动和物理约束使该问题尤其具有挑战性。先前的重排规划工作通常通过假设灵活硬件、预先抓取或稀疏占用的工作空间来放宽其中一些约束。我们的关键洞察是，通过将这些约束整合到统一的表示中，我们可以让受限机器人通过修改环境来应对困难的问题实例。为此，我们引入了 Push-Traversability 图，其顶点表示机器人可以推动对象的姿态，边缘表示它们之间最佳、可行的、稳定的转换。基于该图，我们开发了 ReloPush，一个基于图的规划框架，输入为复杂的多目标重排任务，将其分解为一系列单对象推送任务。我们在一系列具有挑战性的场景上评估了 ReloPush，这些场景涉及使用 1/10 比例的机器人赛车对密集 clutter 工作空间进行重排，最多九个对象。ReloPush 在运行时间和实际执行方面显著优于两个缺乏我们提出图结构的基线，表现出数量级更快的运行时间和更稳健的执行。