技术报告:面向部分已知环境中任务与运动规划的层次化慎思-反应式系统架构
机器人学
2022-02-04 v1
摘要
我们描述了一种用于高度动态系统的任务与运动规划架构,该架构将领域无关的基于采样的慎思规划算法与全局反应式规划器相结合。我们利用近期发展的一种反应式向量场规划器,其即使在存在未知或突发障碍的情况下,也能保证到达环境的大片区域。该可达性保证可使用契约形式化,使得慎思规划器能够纯粹依据这些契约进行推理,并通过选择一系列反应式行为及其目标构型来综合计划,而无需评估目标之间的具体运动规划。这既减少了找到计划所需的搜索深度,也减少了确保计划存在所需的采样数量,同时关键地保持了正确性保证。其结果是降低了计划综合的计算成本,并提高了所生成计划对执行器噪声、模型误指定或未知障碍的鲁棒性。仿真研究表明,我们的层次化规划与执行架构能够解决复杂的导航与重排任务,即使在面临狭窄通道或不完整世界信息的情况下也是如此。
引用
@article{arxiv.2202.01385,
title = {Technical Report: A Hierarchical Deliberative-Reactive System Architecture for Task and Motion Planning in Partially Known Environments},
author = {Vasileios Vasilopoulos and Sebastian Castro and William Vega-Brown and Daniel E. Koditschek and Nicholas Roy},
journal= {arXiv preprint arXiv:2202.01385},
year = {2022}
}
备注
Technical Report accompanying the paper "A Hierarchical Deliberative-Reactive System Architecture for Task and Motion Planning in Partially Known Environments" at ICRA 2022 (8 pages, 6 figures)