面向多操作原语的最优桌面重排
机器人学
2023-10-03 v1
摘要
在实践中,完成真实世界操作任务需要多种类型的操作动作(例如拾取-放置和推动)。然而,探索不同操作动作的协同集成以最优求解长视野任务与运动规划问题的研究十分有限。本研究中,我们提出并研究为求解需多种操作原语的桌面重排任务规划高质量动作序列。我们将该问题称为多操作原语重排(rearrangement with multiple manipulation primitives, REMP),并开发了两种算法——分层最佳优先搜索(hierarchical best-first search, HBFS)与多原语重排并行蒙特卡洛树搜索(parallel Monte Carlo tree search for multi-primitive rearrangement, PMMR),以最优应对该挑战。大量仿真与真实机器人实验表明,两种方法均有效解决 REMP,其中 HBFS 在规划速度上表现优异,而 PMMR 以近 100% 成功率生成类人、高质量的解。
引用
@article{arxiv.2310.00167,
title = {Toward Optimal Tabletop Rearrangement with Multiple Manipulation Primitives},
author = {Baichuan Huang and Xujia Zhang and Jingjin Yu},
journal= {arXiv preprint arXiv:2310.00167},
year = {2023}
}
备注
In review