SyDeBO: 面向动态环境中长程操作的符号决策嵌入双层优化
机器人学
2020-10-27 v2
摘要
本研究提出一种将符号决策嵌入双层优化的任务与运动规划(TAMP)方法。该TAMP方法利用序贯操作的离散结构,以处理动态变化环境中长程且多样的操作任务。在符号规划层,我们提出一种基于带因果图分解的规划领域定义语言(PDDL)的可扩展决策方法,用于长程操作任务。在运动规划层,我们设计了基于交替方向乘子法(ADMM)的轨迹优化(TO)方法,适于以分布式方式求解受约束的大规模非线性优化。与传统的几何运动规划器不同,我们的方法通过纳入机器人与物体的完整动力学,生成高度动态的操作运动。此外,我们并非采用分层规划方法,而是求解一个整体集成的双层优化问题,其中包含来自底层TO与高层搜索的代价。仿真与实验结果展示了在杂乱环境及移动传送带上长程物体分拣任务的动态操作。
引用
@article{arxiv.2010.11078,
title = {SyDeBO: Symbolic-Decision-Embedded Bilevel Optimization for Long-Horizon Manipulation in Dynamic Environments},
author = {Zhigen Zhao and Ziyi Zhou and Michael Park and Ye Zhao},
journal= {arXiv preprint arXiv:2010.11078},
year = {2020}
}
备注
9 pages, 11 figures, submitted to IEEE Robotics and Automation Letters