面对混合不确定性的资源受限机器人规划
机器人学
2026-05-08 v1 形式语言与自动机理论
摘要
机器人在显著的不确定性下运行，从可量化的噪声到不可量化的未知，并且必须考虑严格的操作约束，例如有限的资源。在本文中，我们考虑综合鲁棒策略的问题，以指导机器人的行动来完成给定任务，同时确保系统永不耗尽其资源。为了解决这个问题，我们首先将机器人系统建模为具有集值转移的消耗马尔可夫决策过程（CMDPST），这是一个统一框架，用于建模非确定性动作、可量化和不可量化不确定性以及资源消耗。然后，我们将 CMDPST 与表示为有限迹线性时序逻辑（LTLf）公式的任务规范相结合。最后，我们解决资源受限的最优鲁棒策略综合问题，旨在综合一种在不耗尽资源的情况下最大化满足 LTLf 目标概率的策略。我们的解决方案涉及两种技术：一种直接基于展开的方法，以及一种利用状态空间剪枝以获得更好性能的更高效、优化的方法。在仓库运输网络上的实验证明了所提解决方案的有效性。
引用
@article{arxiv.2605.05797,
title = {Resource-Constrained Robotic Planning in the face of Mixed Uncertainty},
author = {Yihao Yin and Pian Yu and Andrea Turrini and Zhiming Chi and Yong Li and Lijun Zhang},
journal= {arXiv preprint arXiv:2605.05797},
year = {2026}
}