論文の概要: Task Allocation for Multi-Robot Task and Motion Planning: a case for
Object Picking in Cluttered Workspaces
- arxiv url: http://arxiv.org/abs/2110.04089v1
- Date: Fri, 8 Oct 2021 12:36:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-11 20:37:07.964306
- Title: Task Allocation for Multi-Robot Task and Motion Planning: a case for
Object Picking in Cluttered Workspaces
- Title（参考訳）: マルチロボットタスクと運動計画のためのタスク割当--散在作業空間におけるオブジェクトピッキングの場合
- Authors: Hossein Karami, Antony Thomas, Fulvio Mastrogiovanni
- Abstract要約: 統合型マルチロボットタスクとモーションプランニング手法を提案する。
未知のオブジェクトの再配列を含むタスクを処理できる。
2つのフランカエミカマニピュレータのシミュレーション実験で実験を行った。
- 参考スコア（独自算出の注目度）: 1.3535770763481902
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present an AND/OR graph-based, integrated multi-robot task and motion
planning approach which (i) performs task allocation coordinating the activity
of a given number of robots, and (ii) is capable of handling tasks which
involve an a priori unknown number of object re-arrangements, such as those
involved in retrieving objects from cluttered workspaces. Such situations may
arise, for example, in search and rescue scenarios, while locating/picking a
cluttered object of interest. The corresponding problem falls under the
category of planning in clutter. One of the challenges while planning in
clutter is that the number of object re-arrangements required to pick the
target object is not known beforehand, in general. Moreover, such tasks can be
decomposed in a variety of ways, since different cluttering object
re-arrangements are possible to reach the target object. In our approach, task
allocation and decomposition is achieved by maximizing a combined utility
function. The allocated tasks are performed by an integrated task and motion
planner, which is robust to the requirement of an unknown number of
re-arrangement tasks. We demonstrate our results with experiments in simulation
on two Franka Emika manipulators.
- Abstract（参考訳）: AND/ORグラフに基づく統合型マルチロボットタスクと動作計画手法を提案する。
(i)与えられた数のロボットの活動を調整するタスク割当を実行し、
(ii) 乱雑なワークスペースからオブジェクトを検索する作業など、事前に不明な数のオブジェクト再配置を含むタスクを処理することができる。
そのような状況は、例えば、捜索や救助のシナリオで発生し、散らかった対象を特定/選択する。
対応する問題は、乱雑な計画のカテゴリに該当する。
clutterで計画中の課題の1つは、ターゲットオブジェクトを選択するのに必要なオブジェクトの再配列数が事前には分かっていないことだ。
さらに、異なるクラッタリングオブジェクトの再配置がターゲットオブジェクトに到達することができるため、このようなタスクは様々な方法で分解することができる。
本手法では,複合ユーティリティ関数を最大化することでタスク割り当てと分解を実現する。
割り当てられたタスクは、未知数の再配置タスクの要求にロバストな統合タスクとモーションプランナーによって実行される。
フランカ・エミカマニピュレータ2台についてシミュレーション実験を行い, 実験を行った。
関連論文リスト
- Leverage Task Context for Object Affordance Ranking [57.59106517732223]
25の共通タスク、50k以上の画像、661k以上のオブジェクトからなる、最初の大規模タスク指向のアベイランスランキングデータセットを構築しました。
その結果,タスクコンテキストに基づくアベイランス学習のパラダイムの実現可能性と,サリエンシランキングやマルチモーダルオブジェクト検出の分野における最先端モデルよりも,我々のモデルの方が優れていることが示された。
論文 参考訳（メタデータ） (2024-11-25T04:22:33Z) - Unified Task and Motion Planning using Object-centric Abstractions of
Motion Constraints [56.283944756315066]
本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。
我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
論文 参考訳（メタデータ） (2023-12-29T14:00:20Z) - MANER: Multi-Agent Neural Rearrangement Planning of Objects in Cluttered
Environments [8.15681999722805]
本稿では,マルチエージェントオブジェクトアレンジメント計画のための学習ベースのフレームワークを提案する。
複雑な環境におけるタスクシークエンシングとパス計画の課題に対処する。
論文 参考訳（メタデータ） (2023-06-10T23:53:28Z) - Optimal task and motion planning and execution for human-robot
multi-agent systems in dynamic environments [54.39292848359306]
本稿では,タスクのシーケンシング,割り当て,実行を最適化するタスクと動作計画の組み合わせを提案する。
このフレームワークはタスクとアクションの分離に依存しており、アクションはシンボル的タスクの幾何学的実現の可能な1つの可能性である。
ロボットアームと人間の作業員がモザイクを組み立てる共同製造シナリオにおけるアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2023-03-27T01:50:45Z) - Toward Efficient Task Planning for Dual-Arm Tabletop Object
Rearrangement [12.928188950810043]
非単調な再配置タスクでは、複雑なオブジェクトオブジェクトの依存関係が存在し、インスタンスを解決するために複数のオブジェクトを移動する必要があります。
本研究では,2つのアーム間で適切に分配可能なピック・n・プレース・シーケンスをスケジューリングするための効率的なタスク計画アルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-07-17T05:11:14Z) - Learning to Search in Task and Motion Planning with Streams [20.003445874753233]
ロボット工学におけるタスク計画問題と動作計画問題は、個別のタスク変数に対するシンボリック計画と、連続状態および動作変数に対する動作最適化を組み合わせたものである。
対象と事実の集合を最優先的に拡張する幾何学的情報に基づく記号プランナを提案する。
ブロックスタッキング操作タスクにおいて,このアルゴリズムを7DOFロボットアームに適用する。
論文 参考訳（メタデータ） (2021-11-25T15:58:31Z) - Multi-Task Learning with Sequence-Conditioned Transporter Networks [67.57293592529517]
シーケンスコンディショニングと重み付きサンプリングのレンズによるマルチタスク学習の実現を目指している。
合成タスクを対象とした新しいベンチマークであるMultiRavensを提案する。
次に,視覚に基づくエンドツーエンドシステムアーキテクチャであるSequence-Conditioned Transporter Networksを提案する。
論文 参考訳（メタデータ） (2021-09-15T21:19:11Z) - CompositeTasking: Understanding Images by Spatial Composition of Tasks [85.95743368954233]
CompositeTaskingは、複数の空間分散タスクの融合である。
提案するネットワークは,画像のペアと画素単位の高密度なタスクのセットを入力として取り,各ピクセルに対するタスク関連予測を行う。
マルチタスクのためのコンパクトなネットワークを提供するだけでなく、タスク編集も可能です。
論文 参考訳（メタデータ） (2020-12-16T15:47:02Z) - Task Scoping: Generating Task-Specific Abstractions for Planning [19.411900372400183]
オープンスコープの世界モデルを用いた特定のタスクの計画は、計算的に難解である。
本稿では,初期条件,目標条件,タスクの遷移力学構造に関する知識を活用するタスクスコーピングを提案する。
タスクスコーピングは、関連要因やアクションを決して削除せず、その計算複雑性を特徴づけ、特に有用である計画上の問題を特徴づける。
論文 参考訳（メタデータ） (2020-10-17T21:19:25Z) - Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal
Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。
都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文 参考訳（メタデータ） (2020-05-27T01:10:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。