論文の概要: Beyond Task and Motion Planning: Hierarchical Robot Planning with General-Purpose Policies

• arxiv url: http://arxiv.org/abs/2504.17901v1
• Date: Thu, 24 Apr 2025 19:22:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:53.560764
• Title: Beyond Task and Motion Planning: Hierarchical Robot Planning with General-Purpose Policies
• Title（参考訳）: タスク・モーション・プランニングを超えて:汎用政策を用いた階層型ロボット・プランニング
• Authors: Benned Hedegaard, Ziyi Yang, Yichen Wei, Ahmed Jaafar, Stefanie Tellex, George Konidaris, Naman Shah,
• Abstract要約: キネマティックスキルとクローズドループモーターコントローラの両方で計画する上での課題に対処する。 本稿では,これらのコントローラを,構成可能なインタラクションプリミティブを用いた動作計画に統合する新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 32.85839714467011
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Task and motion planning is a well-established approach for solving long-horizon robot planning problems. However, traditional methods assume that each task-level robot action, or skill, can be reduced to kinematic motion planning. In this work, we address the challenge of planning with both kinematic skills and closed-loop motor controllers that go beyond kinematic considerations. We propose a novel method that integrates these controllers into motion planning using Composable Interaction Primitives (CIPs), enabling the use of diverse, non-composable pre-learned skills in hierarchical robot planning. Toward validating our Task and Skill Planning (TASP) approach, we describe ongoing robot experiments in real-world scenarios designed to demonstrate how CIPs can allow a mobile manipulator robot to effectively combine motion planning with general-purpose skills to accomplish complex tasks.
• Abstract（参考訳）: タスク・アンド・モーション・プランニング(Task and Motion Planning)は、長距離ロボット計画問題の解法として確立されたアプローチである。 しかし、従来の手法では、各タスクレベルのロボットアクションやスキルは、運動計画に還元できると仮定されている。 本研究では,キネマティックなスキルと,キネマティックな考慮を超越したクローズドループモーターコントローラの両面での計画課題に対処する。 本稿では,これらのコントローラをCIP(Composable Interaction Primitives)を用いて動作計画に統合する手法を提案する。 タスク・アンド・スキル・プランニング(TASP)アプローチの検証に向けて,CIPがモバイル・マニピュレータ・ロボットに対して,複雑なタスクを遂行するために,動作計画と汎用的なスキルを効果的に組み合わせられるかを示すために,実際のシナリオで進行中のロボット実験について述べる。

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)
• Autonomous Behavior Planning For Humanoid Loco-manipulation Through Grounded Language Model [6.9268843428933025]
  大規模言語モデル(LLM)は、意味情報の理解と処理のための強力な計画と推論能力を示している。 本稿では,ロボットが与えられたテキストによる指示の下で,自律的に動作や低レベル実行を計画できる新しい言語モデルベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-15T17:33:32Z)
• 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)
• Potential Based Diffusion Motion Planning [73.593988351275]
  本稿では,潜在的行動計画の学習に向けた新しいアプローチを提案する。 我々はニューラルネットワークを訓練し、運動計画軌跡よりも容易に最適化可能なポテンシャルを捕捉し、学習する。 我々は、その固有の構成可能性を示し、様々な動きの制約に一般化することができる。
  論文  参考訳（メタデータ） (2024-07-08T17:48:39Z)
• Optimal Integrated Task and Path Planning and Its Application to Multi-Robot Pickup and Delivery [10.530860023128406]
  本稿では,最適なタスクプランナと最適なパスプランナを組み合わせた,汎用的なマルチロボット計画機構を提案する。 統合プランナーは、タスクプランナーとパスプランナーの相互作用を通じて、ロボットに対して最適な衝突のない軌道を生成する。
  論文  参考訳（メタデータ） (2024-03-02T17:48:40Z)
• 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)
• Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
  製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。 セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-14T10:37:34Z)
• 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)
• Cooperative Task and Motion Planning for Multi-Arm Assembly Systems [32.56644393804845]
  マルチロボット組立システムは、製造においてますます魅力的になりつつある。 それぞれのロボットがアイドルではなく同時に生産されることを保証する方法でこれらのシステムを計画することは困難である。 本稿では,ロボットのチームが複雑な空間構造を組み立てるための安全で低リスクな計画と協調的に計画するタスク・アンド・モーション・プランニング・フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-04T18:12:49Z)
• Fast-reactive probabilistic motion planning for high-dimensional robots [15.082715993594121]
  p-Chekovは、プロセスノイズや観察ノイズに苦しむ高次元ロボットに安全保証を提供する高速反応型モーションプランニングシステムである。 包括的理論的および経験的分析により、p-チェコフは、実用的なロボット操作タスクにおける衝突リスクに対するユーザ特定確率制約を効果的に満たせることが示された。
  論文  参考訳（メタデータ） (2020-12-03T17:51:07Z)
• Learning compositional models of robot skills for task and motion planning [39.36562555272779]
  センサモレータプリミティブを用いて複雑な長距離操作問題を解決することを学ぶ。 能動的学習とサンプリングに最先端の手法を用いる。 我々は,選択した原始行動の質を計測することで,シミュレーションと実世界の双方でアプローチを評価する。
  論文  参考訳（メタデータ） (2020-06-08T20:45:34Z)

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。