研究使用两个机器臂解决多物体重新排列的问题，并开发了有效的任务规划算法来安排拾取和放置序列，以节省时间和提高效率。

Jul, 2022

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

本文提出了一种基于图神经网络和深度强化学习的车联网环境下 DAG 任务调度方案，通过采用多头注意力网络，对 DAG 子任务进行特征提取，同时考虑了任务拓扑结构和车辆动态特征，通过模拟实验表明该方案在完成 DAG 任务时间方面优于现有基准。

Jul, 2023

该研究提出一种基于超图的多机器人任务和动作规划方法，将规划空间分解为互相独立的空间子集，使得规划时间相对于已有方法加速了三个数量级，并且展现了该方法在其他多机器人任务和动作规划问题上的有效性。

Oct, 2022

本文提出了一种基于 3D 场景图表示的联系图 +（CG +）的机器人规划方法，利用谓词属性增强这种联系图表示，进行任务规划，计算初始场景图和目标配置之间的图形编辑距离（GED）来初始化任务计划，最终通过实施约束来完成任务，并通过系列实验验证其潜力和可行性。

Jul, 2022

提出了一种名为 DELTA 的新型 LLM 驱动的任务规划方法，通过将环境拓扑图作为 LLM 中的环境表示，以快速生成精确的规划问题描述；同时利用 LLM 将长期任务目标分解为自回归的子目标序列，以供自动化任务规划器解决；该方法提供了更高效且完全自动化的任务规划流程，实现了比现有技术更高的规划成功率和显著缩短的规划时间。

Apr, 2024

通过利用冲突基础搜索算法的重复和增量特性，加速搜索算法的方法使其适用于多臂协调和复杂环境中的机器人操作，从而达到完整和有界的次优性保证。

Mar, 2024

该研究提出了基于 3D 场景图的大规模机器人任务规划基准，系统研究了符号计划的性能，并提出了任务条件下的 3DSG 稀疏化方法 SCRUB 和学习规划器的结构化剪枝方法 SEEK，以期在机器人任务规划，学习和 3DSGs 等领域推动进一步的研究。

Jul, 2022

该研究介绍了一个包含双臂任务和 / 或需要细致操纵的多样化对象操作数据集，数据集包括 224k 个剧集、双臂精细任务以及语言指令，并应用于 Dual-Action and Attention (DAA) 模型，该模型在真实机器人操作任务中展示了其在细致操纵方面的能力。

Jan, 2024

本研究针对工业机器人中的双臂物体重排问题，提出了一种基于强化学习和注意力网络的任务指派策略，实现了最小化任务执行时间和最大化双臂协作效率，实验结果表明该方法在总执行时间和计算效率方面优于传统方法，并且在不同物体数量下的推广性得到了验证。

Feb, 2024