基于序列的计划可行性预测以实现高效任务与运动规划
机器人学
2023-05-23 v2 人工智能
机器学习
摘要
我们提出了一种支持学习的任务与运动规划（TAMP）算法，用于在具有许多铰接式和可移动障碍物的环境中解决移动操作问题。我们的思路是利用学习得到的计划可行性预测器来偏置传统 TAMP 规划器的搜索过程。我们算法的核心是 PIGINet，一种新颖的基于 Transformer 的学习方法，它接收任务计划、目标和初始状态，并预测找到与该任务计划相关联的运动轨迹的概率。我们将 PIGINet 集成到一个 TAMP 规划器中，该规划器生成多样化的一组高层任务计划，按预测的可行性可能排序，并依此顺序对其进行细化。我们在七类厨房重排问题上评估了我们的 TAMP 算法的运行时间，并将其性能与非学习基线进行比较。我们的实验表明，PIGINet 显著提高了规划效率，在仅训练了 150-600 个问题后，在状态空间较小的问题上运行时间减少了 80%，在较大问题上减少了 10%-50%。最后，由于其对象的可视编码，它还实现了对具有未见对象类别问题的零样本泛化。项目页面 https://piginet.github.io/。
引用
@article{arxiv.2211.01576,
title = {Sequence-Based Plan Feasibility Prediction for Efficient Task and Motion Planning},
author = {Zhutian Yang and Caelan Reed Garrett and Tomás Lozano-Pérez and Leslie Kaelbling and Dieter Fox},
journal= {arXiv preprint arXiv:2211.01576},
year = {2023}
}