現実世界のシーケンシャル操作タスクは、離散的な象徴的検索と連続的な動作計画の組み合わせを必要とし、それがTAMP(Task and Motion Planning)として知られる。しかし、従来の方法は計算負荷や複雑な組み合わせの課題に苦しんでおり、オンライン再計画に制約がある。そこで、効率的なハイブリッド計画のためにDynamic Logic-Geometric Program(D-LGP)を提案し、Dynamic Tree Searchとグローバル最適化を統合した新しいアプローチを開発。3つのベンチマークで評価し、提案手法の有効性を実証。シミュレーションでアプローチを検証し、リアクティブ能力をデモンストレーション。
多くの進歩がTAMP統合課題に取り組んできたが、高次元の組み合わせ複雑さにより非効率なタスクサンプリングが生じている。低レベル動作計画もパフォーマンス不足。これらの課題はTAMPをNP困難問題として分類し、解決策探索に時間がかかっている。
提案手法では高レベル行動骨格推論用にバックプロパゲーションを使用し、低レベル運動計画用にグローバル最適化を採用。3つの貢献:1)高レベルタスク計画用Dynamic Tree Search(DTS)導入2)効率的かつ最適なTAMP問題解決用LGPフレームワーク「Dynamic Logic-Geometric Program(D-LGP)」提案3)D-LGPの高速演算性能から閉ループ形式で反応性対応可能。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Teng Xue,Ami... at arxiv.org 03-07-2024
https://arxiv.org/pdf/2312.02731.pdfDeeper Inquiries