論文の概要: Interleaving Scheduling and Motion Planning with Incremental Learning of Symbolic Space-Time Motion Abstractions

• arxiv url: http://arxiv.org/abs/2603.10651v1
• Date: Wed, 11 Mar 2026 11:10:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-12 16:22:32.908458
• Title: Interleaving Scheduling and Motion Planning with Incremental Learning of Symbolic Space-Time Motion Abstractions
• Title（参考訳）: 記号空間時間運動抽象化の漸進学習によるインターリービングスケジューリングと運動計画
• Authors: Elisa Tosello, Arthur Bit-Monnot, Davide Lusuardi, Alessandro Valentini, Andrea Micheli,
• Abstract要約: Task and Motion Planningは、高レベルのタスクシークエンシングと低レベルのモーションプランニングを組み合わせることで、実現可能な、衝突のない実行計画を生成する。 本稿では,共有ワークスペースにおける多目的ナビゲーションのスケジューリングと動作計画問題としてこれを定式化する。 本稿では,市販のスケジューラと運動プランナをインクリメンタル学習ループでインターリーブする,新たなソリューションフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 44.139198749024644
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Task and Motion Planning combines high-level task sequencing (what to do) with low-level motion planning (how to do it) to generate feasible, collision-free execution plans. However, in many real-world domains, such as automated warehouses, tasks are predefined, shifting the challenge to if, when, and how to execute them safely and efficiently under resource, time and motion constraints. In this paper, we formalize this as the Scheduling and Motion Planning problem for multi-object navigation in shared workspaces. We propose a novel solution framework that interleaves off-the-shelf schedulers and motion planners in an incremental learning loop. The scheduler generates candidate plans, while the motion planner checks feasibility and returns symbolic feedback, i.e., spatial conflicts and timing adjustments, to guide the scheduler towards motion-feasible solutions. We validate our proposal on logistics and job-shop scheduling benchmarks augmented with motion tasks, using state-of-the-art schedulers and sampling-based motion planners. Our results show the effectiveness of our framework in generating valid plans under complex temporal and spatial constraints, where synchronized motion is critical.
• Abstract（参考訳）: Task and Motion Planningは、高レベルなタスクシーケンシング(何をすべきか)と低レベルなモーションプランニング(どのように行うか)を組み合わせることで、実現可能な、衝突のない実行計画を生成する。 しかし、自動倉庫のような現実世界の多くのドメインでは、タスクは事前に定義されており、リソース、時間、動作の制約の下で、安全かつ効率的に実行する方法に課題をシフトしている。 本稿では,共有ワークスペースにおける多目的ナビゲーションのスケジューリングと動作計画問題としてこれを定式化する。 本稿では,市販のスケジューラと運動プランナをインクリメンタル学習ループでインターリーブする,新たなソリューションフレームワークを提案する。 スケジューラは候補計画を生成し、移動プランナは実現可能性をチェックし、空間衝突やタイミング調整といった象徴的なフィードバックを返却して、スケジューラを動作実現可能なソリューションへと導く。 我々は,現在最先端のスケジューラとサンプリングベースモーションプランナを用いて,動作タスクを付加したロジスティクスとジョブショップスケジューリングベンチマークを提案する。 本研究は,複雑な時間的・空間的制約の下で,同期動作が重要となる有効な計画を生成する上で,我々の枠組みの有効性を示すものである。

関連論文リスト

• 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)
• LLM3:Large Language Model-based Task and Motion Planning with Motion Failure Reasoning [78.2390460278551]
  従来のタスク・アンド・モーション・プランニング(TAMP)アプローチは、シンボル的タスク・プランニングと連続的なモーション・ジェネレーションを結びつける手作業によるインタフェースに依存している。 本稿では,ドメインに依存しないインターフェースを備えたLarge Language Model (LLM) ベースの TAMP フレームワーク LLM3 を提案する。 具体的には、事前学習したLLMの強力な推論と計画能力を活用して、シンボル的なアクションシーケンスを提案し、動作計画のための連続的なアクションパラメータを選択する。
  論文  参考訳（メタデータ） (2024-03-18T08:03:47Z)
• 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)
• 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)

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。