論文の概要: Hypergraph-based Multi-Robot Task and Motion Planning
- arxiv url: http://arxiv.org/abs/2210.04333v1
- Date: Sun, 9 Oct 2022 19:43:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-11 19:14:45.863591
- Title: Hypergraph-based Multi-Robot Task and Motion Planning
- Title（参考訳）: ハイパーグラフに基づくマルチロボットタスクと運動計画
- Authors: James Motes, Tan Chen, Timothy Bretl, Marco Morales, Nancy M. Amato
- Abstract要約: 本稿では,既存の手法に比べて最大3桁の解時間を生成するマルチロボットタスクと動作計画手法を提案する。
この分解を、頂点が準状態であり、超弧が準状態間の遷移であるハイパーグラフで表現する。
また,他のマルチロボットタスクや動作計画問題にも同様の効果が期待できることを示す。
- 参考スコア（独自算出の注目度）: 6.531508126392304
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a multi-robot task and motion planning method that, when applied
to the rearrangement of objects by manipulators, produces solution times up to
three orders of magnitude faster than existing methods. We achieve this
improvement by decomposing the planning space into subspaces for independent
manipulators, objects, and manipulators holding objects. We represent this
decomposition with a hypergraph where vertices are substates and hyperarcs are
transitions between substates. Existing methods use graph-based representations
where vertices are full states and edges are transitions between states. Using
the hypergraph reduces the size of the planning space-for multi-manipulator
object rearrangement, the number of hypergraph vertices scales linearly with
the number of either robots or objects, while the number of hyperarcs scales
quadratically with the number of robots and linearly with the number of
objects. In contrast, the number of vertices and edges in graph-based
representations scale exponentially in the number of robots and objects.
Additionally, the hypergraph provides a structure to reason over varying levels
of (de)coupled spaces and transitions between them enabling a hybrid search of
the planning space. We show that similar gains can be achieved for other
multi-robot task and motion planning problems.
- Abstract（参考訳）: 本稿では,マニピュレータによる物体の再構成に適用すると,既存の手法よりも最大3桁高速に解法を生成できるマルチロボットタスクと動作計画手法を提案する。
計画空間を独立したマニピュレータ、オブジェクト、およびオブジェクトを保持するマニピュレータのサブスペースに分解することで、この改善を実現する。
この分解を、頂点が準状態であり、超弧が準状態間の遷移であるハイパーグラフで表現する。
既存の方法は、頂点が完全な状態であり、エッジが状態間の遷移であるグラフベースの表現を使用する。
ハイパーグラフを用いて、マルチマニピュレータオブジェクト再構成のための計画空間のサイズを減らすことで、ハイパーグラフ頂点の数はロボットまたはオブジェクトの数と線形にスケールし、ハイパーアークの数はロボットの数と2次的にスケールし、オブジェクトの数と線形にスケールする。
対照的に、グラフベースの表現における頂点とエッジの数は、ロボットやオブジェクトの数で指数関数的に増加する。
さらに、ハイパーグラフは(デ)結合空間の様々なレベルを推論し、それらの間の遷移によって計画空間のハイブリッド検索を可能にする構造を提供する。
また,他のマルチロボットタスクや動作計画問題にも同様の効果が期待できることを示す。
関連論文リスト
- Open-Vocabulary Octree-Graph for 3D Scene Understanding [54.11828083068082]
Octree-Graphはオープンな3Dシーン理解のための新しいシーン表現である。
セマンティクスを記憶し、その形状に応じてオブジェクトの占有度を調節するアダプティブ・オクツリー構造を開発する。
論文 参考訳（メタデータ） (2024-11-25T10:14:10Z) - SayPlan: Grounding Large Language Models using 3D Scene Graphs for
Scalable Robot Task Planning [15.346150968195015]
本研究では,3次元シーングラフ(DSG)表現を用いた大規模タスクプランニングのスケーラブルなアプローチであるSayPlanを紹介する。
我々は,最大3フロア,36部屋,140部屋までの大規模な2つの環境に対するアプローチを評価した。
論文 参考訳（メタデータ） (2023-07-12T12:37:55Z) - Contrastive Lift: 3D Object Instance Segmentation by Slow-Fast
Contrastive Fusion [110.84357383258818]
本稿では,2次元セグメントを3次元に上げ,ニューラルネットワーク表現を用いて融合させる新しい手法を提案する。
このアプローチの中核は、高速なクラスタリング目的関数であり、多数のオブジェクトを持つシーンにスケーラブルで適しています。
我々のアプローチは、ScanNet、Hypersim、Replicaのデータセットからの挑戦的なシーンにおいて、最先端の状況よりも優れています。
論文 参考訳（メタデータ） (2023-06-07T17:57:45Z) - AlphaBlock: Embodied Finetuning for Vision-Language Reasoning in Robot
Manipulation [50.737355245505334]
本稿では,ロボット操作タスクにおける高レベル認知能力を学習するための新しいフレームワークを提案する。
得られたデータセットAlphaBlockは、多段階のテキストプランとペア観測による35の包括的なハイレベルタスクで構成されている。
論文 参考訳（メタデータ） (2023-05-30T09:54:20Z) - 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) - Sequential Manipulation Planning on Scene Graph [90.28117916077073]
我々は,効率的な逐次タスク計画のための3次元シーングラフ表現であるコンタクトグラフ+(cg+)を考案する。
ゴール設定は、自然にコンタクトグラフに指定され、最適化法を用いて遺伝的アルゴリズムによって作成することができる。
次に、初期接触グラフと目標設定との間のグラフ編集距離(GED)を計算してタスクプランを簡潔化し、ロボット動作に対応するグラフ編集操作を生成する。
論文 参考訳（メタデータ） (2022-07-10T02:01:33Z) - 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) - Large Scale Distributed Collaborative Unlabeled Motion Planning with
Graph Policy Gradients [122.85280150421175]
本研究では,運動制約と空間制約を多数のロボットに対して2次元空間で解くための学習法を提案する。
ロボットのポリシーをパラメータ化するためにグラフニューラルネットワーク(GNN)を用いる。
論文 参考訳（メタデータ） (2021-02-11T21:57:43Z) - Nothing But Geometric Constraints: A Model-Free Method for Articulated
Object Pose Estimation [89.82169646672872]
本稿では,ロボットアームの関節構成を,モデルに先入観を持たずにRGBまたはRGB-D画像のシーケンスから推定する,教師なし視覚ベースシステムを提案する。
我々は,古典幾何学的定式化と深層学習を組み合わせることで,この課題を解決するために,極性多剛体制約を拡張した。
論文 参考訳（メタデータ） (2020-11-30T20:46:48Z) - A Long Horizon Planning Framework for Manipulating Rigid Pointcloud
Objects [25.428781562909606]
本稿では,剛体物体の操作に伴う長期計画問題の解決のための枠組みを提案する。
提案手法はオブジェクトサブゴールの空間における計画であり,ロボットとオブジェクトの相互作用のダイナミクスに関する推論からプランナーを解放する。
論文 参考訳（メタデータ） (2020-11-16T18:59:33Z)
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。