論文の概要: ScheduleStream: Temporal Planning with Samplers for GPU-Accelerated Multi-Arm Task and Motion Planning & Scheduling
- arxiv url: http://arxiv.org/abs/2511.04758v1
- Date: Thu, 06 Nov 2025 19:17:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-10 21:00:44.566123
- Title: ScheduleStream: Temporal Planning with Samplers for GPU-Accelerated Multi-Arm Task and Motion Planning & Scheduling
- Title（参考訳）: ScheduleStream:GPUアクセラレーションされたマルチタスクのためのサンプリングによる時間プランニングとモーションプランニングとスケジューリング
- Authors: Caelan Garrett, Fabio Ramos,
- Abstract要約: 人型ロボットと人型ロボットは、人間のように複数の腕を使って効率的にタスクを完了させることで、魅力を増している。
複数のアームを同時に制御することは、ハイブリッドな離散連続アクション空間の成長のために計算的に困難である。
タスク・アンド・モーション・プランニング(TAMP)アルゴリズムは、効率的にハイブリッド空間で計画できるが、一般的には、並列アームの動きを可能にするスケジュールではなく、一度に1つのアームだけが動く計画を生成する。
サンプル操作による計画とスケジューリングのための,最初の汎用フレームワークであるScheduleStreamについて紹介する。
- 参考スコア（独自算出の注目度）: 3.3656696418661975
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bimanual and humanoid robots are appealing because of their human-like ability to leverage multiple arms to efficiently complete tasks. However, controlling multiple arms at once is computationally challenging due to the growth in the hybrid discrete-continuous action space. Task and Motion Planning (TAMP) algorithms can efficiently plan in hybrid spaces but generally produce plans, where only one arm is moving at a time, rather than schedules that allow for parallel arm motion. In order to extend TAMP to produce schedules, we present ScheduleStream, the first general-purpose framework for planning & scheduling with sampling operations. ScheduleStream models temporal dynamics using hybrid durative actions, which can be started asynchronously and persist for a duration that's a function of their parameters. We propose domain-independent algorithms that solve ScheduleStream problems without any application-specific mechanisms. We apply ScheduleStream to Task and Motion Planning & Scheduling (TAMPAS), where we use GPU acceleration within samplers to expedite planning. We compare ScheduleStream algorithms to several ablations in simulation and find that they produce more efficient solutions. We demonstrate ScheduleStream on several real-world bimanual robot tasks at https://schedulestream.github.io.
- Abstract（参考訳）: 人型ロボットと人型ロボットは、人間のように複数の腕を使って効率的にタスクを完了させることで、魅力を増している。
しかし、ハイブリッド離散連続アクション空間の成長により、複数のアームを一度に制御することは、計算的に困難である。
タスク・アンド・モーション・プランニング(TAMP)アルゴリズムは、効率的にハイブリッド空間で計画できるが、一般的には、並列アームの動きを可能にするスケジュールではなく、一度に1つのアームだけが動く計画を生成する。
スケジュール作成のためにTAMPを拡張するために,サンプリング操作による計画とスケジューリングのための,最初の汎用フレームワークであるScheduleStreamを提案する。
ScheduleStreamは、非同期に起動し、パラメータの関数である持続する、ハイブリッドなデュラティブアクションを使用して、時間的ダイナミクスをモデル化します。
アプリケーション固有のメカニズムを使わずにScheduleStream問題を解決するドメイン独立アルゴリズムを提案する。
我々はScheduleStreamをタスク・アンド・モーション・プランニング・スケジューリング(TAMPAS)に適用する。
我々はScheduleStreamアルゴリズムをシミュレーションのいくつかの改善点と比較し、より効率的な解を生成することを発見した。
ScheduleStreamは、実世界の複数のバイマニュアルロボットタスクで、https://schedulestream.github.io.comでデモを行う。
関連論文リスト
- A Task and Motion Planning Framework Using Iteratively Deepened AND/OR Graph Networks [3.635602838654497]
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。
論文 参考訳（メタデータ） (2025-03-10T17:28:22Z) - 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) - Task and Motion Planning for Execution in the Real [24.01204729304763]
この作業は、作業を含むタスクと動作の計画を生成するが、計画時には完全には理解できない。
実行は、タスク目標に到達するまでオフラインで計画された動きとオンライン行動を組み合わせる。
提案したフレームワークを評価するために,40の実ロボット試験とモチベーション実証を行った。
その結果、実行時間が短縮され、アクションの数が少なくなり、さまざまなギャップが生じる問題の成功率が向上した。
論文 参考訳（メタデータ） (2024-06-05T22:30:40Z) - 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) - Constant-time Motion Planning with Anytime Refinement for Manipulation [17.543746580669662]
本研究では,CTMP(Constant-time Motion Planners)アルゴリズムと組み合わせたリアルタイム改良手法を提案する。
提案するフレームワークは,定数時間アルゴリズムとして動作するため,ユーザ定義時間しきい値内の初期解を高速に生成する。
任意の時間アルゴリズムとして機能し、割り当てられた時間予算内で、ソリューションの品質を反復的に改善します。
論文 参考訳（メタデータ） (2023-11-01T20:40:10Z) - 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) - Simultaneous Contact-Rich Grasping and Locomotion via Distributed
Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。
ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
論文 参考訳（メタデータ） (2022-07-04T13:52:10Z) - A Feedback Scheme to Reorder a Multi-Agent Execution Schedule by
Persistently Optimizing a Switchable Action Dependency Graph [65.70656676650391]
複数の自動誘導車両 (AGV) が共通作業空間をナビゲートし, 様々な作業を行う。
一つのアプローチは、Action Dependency Graph (ADG)を構築し、そのルートに沿って進むとAGVの順序を符号化する。
ワークスペースが人間やサードパーティロボットのような動的障害によって共有されている場合、AGVは大きな遅延を経験することができる。
本稿では,各AGVの経路完了時間を最小限に抑えるために,非循環ADGを繰り返し修正するオンライン手法を提案する。
論文 参考訳（メタデータ） (2020-10-11T14:39:50Z) - 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。