論文の概要: A Task and Motion Planning Framework Using Iteratively Deepened AND/OR Graph Networks

• arxiv url: http://arxiv.org/abs/2503.07700v1
• Date: Mon, 10 Mar 2025 17:28:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-12 15:41:53.599118
• Title: A Task and Motion Planning Framework Using Iteratively Deepened AND/OR Graph Networks
• Title（参考訳）: 反復的深度及び/ORグラフネットワークを用いたタスク・動作計画フレームワーク
• Authors: Hossein Karami, Antony Thomas, Fulvio Mastrogiovanni,
• Abstract要約: 本稿では,AND/ORグラフネットワークに基づくタスクと動作計画の統合手法を提案する。 タスク・アンド・モーション・プランニング問題(TAMP)の異なるクラスの実装に活用する。 このアプローチは、シミュレーションと実際のデュアルアームロボットマニピュレータ、すなわちRethink RoboticsのBaxterで評価され、検証されている。
• 参考スコア（独自算出の注目度）: 3.635602838654497
• License:
• Abstract: In this paper, we present an approach for integrated task and motion planning based on an AND/OR graph network, which is used to represent task-level states and actions, and we leverage it to implement different classes of task and motion planning problems (TAMP). Several problems that fall under task and motion planning do not have a predetermined number of sub-tasks to achieve a goal. For example, while retrieving a target object from a cluttered workspace, in principle the number of object re-arrangements required to finally grasp it cannot be known ahead of time. To address this challenge, and in contrast to traditional planners, also those based on AND/OR graphs, we grow the AND/OR graph at run-time by progressively adding sub-graphs until grasping the target object becomes feasible, which yields a network of AND/OR graphs. The approach is extended to enable multi-robot task and motion planning, and (i) it allows us to perform task allocation while coordinating the activity of a given number of robots, and (ii) can handle multi-robot tasks involving an a priori unknown number of sub-tasks. The approach is evaluated and validated both in simulation and with a real dual-arm robot manipulator, that is, Baxter from Rethink Robotics. In particular, for the single-robot task and motion planning, we validated our approach in three different TAMP domains. Furthermore, we also use three different robots for simulation, namely, Baxter, Franka Emika Panda manipulators, and a PR2 robot. Experiments show that our approach can be readily scaled to scenarios with many objects and robots, and is capable of handling different classes of TAMP problems.
• Abstract（参考訳）: 本稿では,タスクレベルの状態と動作を表現するために使用されるAND/ORグラフネットワークに基づくタスクと動作計画の統合手法を提案する。 タスクや動作計画に該当するいくつかの問題は、目標を達成するために所定の数のサブタスクを持っていない。 例えば、対象のオブジェクトを散らばったワークスペースから取り出す場合、原則として、最終的にそれを把握するのに必要なオブジェクトの再配列の数は、事前に知ることができない。 この課題に対処するために、従来のプランナーやAND/ORグラフに基づくグラフとは対照的に、ターゲットオブジェクトを把握し、AND/ORグラフのネットワークを生成するまで、サブグラフを段階的に追加することで、実行時にAND/ORグラフを成長させる。 マルチロボットタスクとモーションプランニングを可能にするためのアプローチが拡張されている。 一 所定の数のロボットの活動を調整しながらタスク割り当てを行うことができること。 (ii) 先行不明数のサブタスクを含むマルチロボットタスクを処理できる。 このアプローチは、シミュレーションと実際のデュアルアームロボットマニピュレータ、すなわちRethink RoboticsのBaxterで評価され、検証されている。 特に、シングルロボットタスクとモーションプランニングでは、3つの異なるTAMPドメインでアプローチを検証した。 さらに、シミュレーションには、Baxter、Franka Emika Pandaのマニピュレータ、PR2ロボットという3つの異なるロボットも使用しています。 実験結果から,本手法は多数のオブジェクトやロボットのシナリオに容易に拡張可能であり,TAMP問題に対処できることがわかった。

関連論文リスト

• COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
  COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。 提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。 実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-23T15:53:41Z)
• A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
  タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。 本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。 移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
  論文  参考訳（メタデータ） (2024-08-11T14:57:57Z)
• SAM-E: Leveraging Visual Foundation Model with Sequence Imitation for Embodied Manipulation [62.58480650443393]
  Segment Anything (SAM) は、一般化可能なシーン理解とシーケンス模倣のための視覚境界モデルである。 我々は,単一パスにおけるアクションシーケンスの予測を可能にする,新しいマルチチャネルヒートマップを開発した。
  論文  参考訳（メタデータ） (2024-05-30T00:32:51Z)
• Interactive Planning Using Large Language Models for Partially Observable Robotics Tasks [54.60571399091711]
  大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。 LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T22:54:44Z)
• Learning to Reason over Scene Graphs: A Case Study of Finetuning GPT-2 into a Robot Language Model for Grounded Task Planning [45.51792981370957]
  本研究では,ロボットタスク計画における小クラス大規模言語モデル(LLM)の適用性について,計画立案者が順次実行するためのサブゴール仕様にタスクを分解することを学ぶことによって検討する。 本手法は,シーングラフとして表現される領域上でのLLMの入力に基づいて,人間の要求を実行可能なロボット計画に変換する。 本研究は,LLMに格納された知識を長期タスクプランニングに効果的に活用できることを示唆し,ロボット工学におけるニューロシンボリックプランニング手法の今後の可能性を示すものである。
  論文  参考訳（メタデータ） (2023-05-12T18:14:32Z)
• ProgPrompt: Generating Situated Robot Task Plans using Large Language Models [68.57918965060787]
  大規模言語モデル(LLM)は、タスク計画中の潜在的な次のアクションを評価するために使用することができる。 本稿では, プログラム型LCMプロンプト構造を用いて, 配置環境間での計画生成機能を実現する。
  論文  参考訳（メタデータ） (2022-09-22T20:29:49Z)
• Accelerating Integrated Task and Motion Planning with Neural Feasibility Checking [37.3893234820499]
  本稿では、タスク・アンド・モーション・プランニング(TAMP)における提案された行動の有効性を分類するために、ニューラルネットワーク(NFC)を導入する。 NFCは、コストのかかるモーションプランニングを必要とせずに、タスクプランナーの不可能な動作を特定する。 我々のNFCはロボットの作業空間全体に一般化し、複数の障害物のあるシーンでも高い精度で予測できる。
  論文  参考訳（メタデータ） (2022-03-20T14:41:32Z)
• A Task-Motion Planning Framework Using Iteratively Deepened AND/OR Graph Networks [1.3535770763481902]
  本稿では,TMP-IDAN (Iterative Deepened and/OR Graph Networks) を用いたタスク移動計画手法を提案する。 TMP-IDANはタスクレベルの状態とアクションをコンパクトに表現するためにAND/ORグラフネットワークベースの新しい抽象化を使用する。 バクスターロボットと最先端のロボティクスシミュレーターを用いて、アプローチの検証と能力評価を行います。
  論文  参考訳（メタデータ） (2021-04-04T07:06:52Z)
• Learning Symbolic Operators for Task and Motion Planning [29.639902380586253]
  統合されたタスクとモーションプランナー(TAMP)は、モーションレベルの決定とタスクレベルの計画実現性の複雑な相互作用を処理します。 TAMPアプローチは、タスクレベルの検索を導くためにドメイン固有のシンボリック演算子に依存し、計画を効率的にします。 演算子学習のためのボトムアップリレーショナル学習法を提案し,TAMPシステムの計画に学習した演算子をどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2021-02-28T19:08:56Z)
• Modeling Long-horizon Tasks as Sequential Interaction Landscapes [75.5824586200507]
  本稿では,一連のデモビデオからのみ,サブタスク間の依存関係と遷移を学習するディープラーニングネットワークを提案する。 これらのシンボルは、画像観察から直接学習し、予測できることが示される。 我々は,(1)人間によって実行されるパズル片のブロック積み重ね,(2)物体のピック・アンド・プレイスとキャビネットドアを7-DoFロボットアームで滑らせるロボット操作という,2つの長期水平作業において,我々の枠組みを評価する。
  論文  参考訳（メタデータ） (2020-06-08T18:07:18Z)

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。