STAMP：基于 Stein 变分梯度下降的可微任务与运动规划
机器人学
2024-10-01 v4 人工智能
摘要
序列机器人任务的规划通常需要符号与几何推理的集成。TAMP 算法通常通过对高级任务序列进行树搜索并检查运动学和动力学可行性来解决这些问题。这可能效率低下，因为通常树搜索产生的候选任务计划忽略几何信息。这经常导致运动规划失败，需要昂贵的回溯步骤来寻找替代任务计划。我们提出一种称为 Stein 任务与运动规划（STAMP）的 TAMP 新方法，将混合优化问题松弛到连续域。这使我们能够利用可微物理仿真中的梯度来充分优化 TAMP 的离散和连续计划参数。特别地，我们使用称为 Stein 变分梯度下降的基于梯度的变分推断算法求解优化问题。这使我们能在单次优化运行中找到解的分布。此外，我们使用在 GPU 上并行化的现成可微物理仿真器来对多样化计划参数进行并行化推断。我们在多种问题上演示了我们的方法，并表明它能在单次优化运行中找到多个多样化计划，同时显著快于现有方法。
引用
@article{arxiv.2310.01775,
title = {STAMP: Differentiable Task and Motion Planning via Stein Variational Gradient Descent},
author = {Yewon Lee and Andrew Z. Li and Philip Huang and Eric Heiden and Krishna Murthy Jatavallabhula and Fabian Damken and Kevin Smith and Derek Nowrouzezahrai and Fabio Ramos and Florian Shkurti},
journal= {arXiv preprint arXiv:2310.01775},
year = {2024}
}
备注
14 pages, 9 figures, Learning Effective Abstractions for Planning (LEAP) Workshop at CoRL 2023