本論文では、ロボットの作業計画と動作計画を統合した問題(Task and Motion Planning: TAMP)に取り組む。
まず、作業計画と動作計画の統合に関する新しいアルゴリズムを提案する。作業計画の失敗原因を自動的に発見し、作業計画と動作計画の双方向のインターフェースを実現することで、効率的なTAMPソルバーを実現する。
次に、サンプリングと最適化の両アプローチの長所を組み合わせたメタソルバーを提案する。問題に応じて最適な手法を自動的に選択し、問題を効率的に分解することで、様々な問題に対応できる。
最後に、深層学習を用いて、TAMP問題の計算コストを削減する手法を提案する。非線形最適化問題の初期値推定や制約違反の検出などの計算を高速化することで、実時間での解決を可能にする。
これらの提案手法の核となるのは、TAMP問題の構造的な特徴を活用することである。オブジェクトや作業の局所的な依存関係を適切に表現することで、より効率的な計算が可能になる。
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Joaquim Orti... kl. arxiv.org 04-05-2024
https://arxiv.org/pdf/2404.03567.pdfDybere Forespørgsler