Jun, 2024

实际执行中的任务和动作规划

PDF
TL;DR该研究通过组合对离散任务领域和连续运动生成进行推理的混合规划方法，生成包含无法完全基于计划时间进行植入的行为的任务和运动计划，在执行过程中使用由人设计或学习的闭环行为处理此类行为，并通过反馈行为故障作为约束条件找到新的计划，从而在真实机器人试验中展示了更快的执行时间、更少的动作数量以及在出现多样化间隙问题时更高的成功率，并与最新技术进行了比较，提供实验数据供研究人员模拟这些情景，为机器人解决更多现实部分植入问题的适用类别展示了希望。
task and motion planninghybrid planningdiscrete task domainscontinuous motion generationclosed-loop behavior
发现论文，激发创造
  • 动态环境下人机多智能体系统的最佳任务与动作规划及执行

    本文提出了一种联合任务和运动规划方法来优化任务的排序、分配和执行，解决多智能体系统中的时空变异性问题，采用时间轴规划处理任务的时间约束、时间变化和协同分配，在网络平面规划中以环境变化为前提，证明了该方法的有效性。

    Mar, 2023

  • 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

  • 部分可观测任务和运动问题中的信念空间在线重规划

    本文提出了一个在线计划和执行系统，使用混合置信状态空间进行确定性代价敏感计划来选择成功概率高的观察行动和连续控制行动，以解决部分可观察问题，并在模拟和真实世界的厨房中展示了高效的解决方案。

    Nov, 2019

  • 基于明确人类心态推理的鲁棒人机协同任务规划

    该研究基于情境评估，提出了一种新颖的解决方案，可以在人机团队合作中帮助机器人预测和模拟人类决策，并通过沟通协调达到信念一致，提高问题解决效率和鲁棒性。

    Oct, 2022

  • 基于搜索算法的自动驾驶优化运动规划

    本文提出了一种快速、稳健的运动规划框架，通过几种特征实现了在城市条件下实现自动驾驶，其中包括了路径规划和基于 A * 算法的最优轨迹计算，并考虑了各种不同的约束条件和时间跨度进行了验证。

    Mar, 2018

  • 多臂组装系统的任务与运动协同规划

    本文提出了一种基于多层次的任务和动作规划框架，可以协调多个机器人完成复杂结构的组装，在高层次通过整数线性规划算法计算抽象计划，并在低层次使用多智能体路径规划算法规划机器人的运动路线，关键在于高层次规划中的避碰约束和运动的持续时间，以使得抽象计划既可行又高效。

    Mar, 2022

  • 可编程开放式运动控制任务的动作生成

    在实际场景中的字符动画需要各种约束条件，如轨迹、关键帧、互动等。我们提出了一种可编程的运动生成新范式，通过将运动控制任务分解为原子约束的组合，并将其编程到误差函数中，实现生成满足约束的运动序列，以此解决动作控制的开集问题。实验证明在处理一系列未知任务时，我们能够生成高质量的运动。这些任务包括运动动力学、几何约束、物理定律、场景、物体或角色自身部位的相互作用等，且无需收集特定的训练数据或设计特殊的网络结构。同时，我们观察到新的技能在编程新任务时的涌现，还利用大型语言模型实现了自动编程。我们希望这项工作能为通用人工智能代理的运动控制铺平道路。

    May, 2024

  • 多模态上下文化计划预测用于体验式任务完成

    本文研究了在任务规划中，使用多模态上下文和自然语言处理来进行高层次的计划预测，以提高机器人物理系统的可迁移性，并利用理想计划作为基准来评估计划预测模型的改进空间。

    May, 2023

  • PhyPlan: 机器人操纵器的物理感知技能网络通用和快速物理任务规划

    PhyPlan 是一个结合物理信息的规划框架，利用物理信息神经网络（PINNs）和修改的蒙特卡洛树搜索（MCTS）使得具体化代理能够执行动态物理任务，并在求解 3D - 物理推理任务方面展现出较低的后悔、加速技能学习和提高物理推理速度、比非物理信息方法展现更高的数据效率。

    Apr, 2024

  • 学习机器人技能组合模型，用于任务和动作规划

    该研究旨在通过学习使用感知运动基元来解决复杂的长期规划操作问题，其需要将基本技能组合成新的技能来推广应用于广泛的问题中，同时使用高效的主动学习和采样方法，将学习和规划方法结合来规划各种复杂的动态操作任务。

    Jun, 2020