Oct, 2023

通过 Stein 变分梯度下降的可微分任务与动作规划

PDF
TL;DR我们提出了一种名为 Stein Task and Motion Planning (STAMP) 的新算法，利用并行化和可微分仿真来高效地搜索多个不同的计划。STAMP 将离散和连续的任务和动作规划问题转化为能够使用变分推断求解的连续优化问题。我们的算法基于 Stein 变分梯度下降算法和在 GPU 上并行化的可微分物理模拟器，以高效地获得推断的梯度。此外，我们采用模仿学习引入动作抽象，将推断问题降维。我们通过两个任务和动作规划问题演示了我们的方法，并实证表明 STAMP 能够：1）并行产生多个不同的计划；2）比现有 TAMP 基准更有效地搜索计划。
task and motion planningstein task and motion planningparallelization and differentiable simulationvariational inferenceimitation learning
发现论文，激发创造
  • 基于优化的任务和动作规划综述：从经典到学习方法

    任务和运动规划（TAMP）综述了基于优化的 TAMP 的规划领域表示、解决方法以及逻辑规划和模型优化之间的相互作用等内容，并强调高效解决 TAMP 的算法结构，包括分层和分布式方法，并突出了经典方法与当代大语言模型等学习创新之间的协同性，并讨论了 TAMP 的未来研究方向和应用挑战。

    Apr, 2024

  • 几何任务与运动规划的表示、学习和规划算法

    该论文介绍了一种用于引导几何任务和运动计划（GTAMP）的学习框架，它通过引入新颖的 planner 来扩展启发式搜索与随机采样和启发式函数相结合，以解决 GTAMP 问题中的困难，并提出了两种学习算法以提高其效率。该框架在挑战性的 GTAMP 问题中进行了评估，显示它能够提高计划的效率和数据效率。

    Mar, 2022

  • 集成任务和动作规划

    本文介绍了一类机器人任务运动规划问题，并概述了解决它们的算法，着重介绍了解决连续空间子问题的策略和整合搜索过程中离散与连续部分的技术。

    Oct, 2020

  • 使用物体为中心的动作约束的统一任务和运动规划

    任务和动作规划方法中的抽象描述模糊和欠定性使得很难确定成功执行任务所需的物理约束。我们提出了一种替代的任务和动作规划方法，将任务和动作规划融合为一个启发式搜索，并基于基于物体的抽象的运动约束，从而利用现成的人工智能启发式搜索的计算效率，产生具有物理可行性的计划，无需进行密集的子符号几何推理。

    Dec, 2023

  • NOD-TAMP: 多步操作规划与神经对象描述符

    通过提取人类示范的短时间操纵轨迹，使用神经目标描述符进行适应性处理，并将其组合以解决广泛的长期任务，我们的提出的基于 TAMP 的 NOD-TAMP 框架有效地解决了各种挑战，并在模拟环境中胜过现有方法，为操纵规划建立了一个有机的框架。

    Nov, 2023

  • DiMSam：部分可观察性下任务与动作规划的扩散模型采样器

    本文介绍了将深度生成建模与任务规划相结合的方法，以解决在未知环境中的自主机器人操作规划中运用传统 TAMP 方法中存在的问题。通过使用扩散模型学习约束条件和采样器，并将其与 TAMP 求解器组合使用以满足计划中的约束条件。同时，为了在这些约束条件满足不确定物体状态的情况下进行预测，在学习的低维潜在空间中定义这些采样器。实验结果中介绍了使用传统 TAMP，生成式学习和潜在嵌入组合的长程约束条件推理方法在一个物体操作环境中的有效性。

    Jun, 2023

  • 利用神经可行性检查加速集成任务和运动规划

    本研究介绍了利用卷积神经网络来训练神经可行性分类器（NFC），实现自动分类任务计划中提出的动作方案的可行性，从而在多步操作任务中有效降低规划时间。

    Mar, 2022

  • 发现用于通用任务和动作规划的状态和动作抽象

    本文提出一种算法，用于通过学习特征、抽象和广义计划来解决连续机器人任务和运动规划中的困难问题。研究表明，仅使用少量示例学习的简单广义计划可以用于优化 TAMP 求解器的搜索效率。

    Sep, 2021

  • 带有不确定性和风险意识的部分可观测任务与动作规划

    这篇研究论文提出了一种具有不确定性和风险意识的综合任务与动作规划（TAMPURA）策略，能够高效解决具有初始状态和动作结果不确定性的长时程规划问题，通过在抽象任务层和连续控制器层面上进行不确定性推理，该方法在面临不确定性的机器人问题上表现出色。

    Mar, 2024

  • 基于序列的计划可行性预测，以优化任务和动作规划

    我们开发了一种基于 Transformer 的架构 PIGINet，该架构可通过融合图像和文本嵌入以及状态特征，预测计划可行性，并根据预测的满足度排序 TAMP 计划器生成的计划骨架，从而能够大大提高可行性规划的效率。

    Nov, 2022