TASKOGRAPHY：基于大规模三维场景图的机器人任务规划评测

三维场景图（3DSGs）是一种新兴的描述方式，统一了符号、拓扑与度量场景表示。然而，即便是小型环境，典型的 3DSGs 也包含数百个对象和符号，使得在完整图上进行任务规划难以实用。我们构建了 TASKOGRAPHY，首个基于 3DSGs 的大规模机器人任务规划基准。尽管该领域多数基准工作聚焦于基于视觉的规划，我们系统性地研究符号规划，以将规划性能与视觉表示学习解耦。我们观察到，在现有方法中，经典与基于学习的规划器均无法在完整 3DSGs 上实现实时规划。实现实时规划需要在两方面取得进展：（a）稀疏化 3DSGs 以可行规划，以及（b）设计能更好利用 3DSG 层级的规划器。针对前一目标，我们提出 SCRUB，一种任务条件的 3DSG 稀疏化方法，使经典规划器能匹配并在某些情况下超越最先进的基于学习的规划器。针对后一目标，我们提出 SEEK，一种使基于学习的规划器利用 3DSG 结构的流程，将当前最佳方法所需的重规划查询数量减少一个数量级。我们将开源所有代码与基线，以推动机器人任务规划、学习与 3DSGs 交叉领域的进一步研究。