Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Kế hoạch kết hợp dựa trên tính toán heuristic cho robot hai tay
Tóm tắt
Lập kế hoạch hiệu quả ở cả cấp độ nhiệm vụ và chuyển động cho phép xác định những thách thức mới cho vấn đề manipulation của robot, chẳng hạn như các vấn đề bàn làm việc có hạn chế đối với robot hai tay. Trong bối cảnh này, việc kết hợp thích hợp giữa cấp độ lập kế hoạch nhiệm vụ và chuyển động đóng một vai trò quan trọng. Do đó, một phương pháp lập kế hoạch nhiệm vụ và chuyển động dựa trên kỹ thuật heuristic được đề xuất, trong đó việc tính toán heuristic giải quyết một vấn đề hình học giản lược, tức là nó chỉ xem xét vị trí của các đối tượng, các tư thế nắm, và các giải pháp động học ngược. Các đường đi chuyển động được đánh giá một cách lười biếng, tức là chỉ sau khi một hành động đã được chọn bởi heuristic. Điều này giảm số lần gọi đến lập kế hoạch chuyển động, đồng thời giảm thiểu việc quay lui bởi vì heuristic nắm bắt hầu hết các ràng buộc hình học. Phương pháp này đã được xác thực trong mô phỏng và trên một robot thực tế, với các loại vấn đề manipulation khác nhau trên bàn làm việc. So sánh thực nghiệm với các phương pháp gần đây giải quyết các vấn đề tương tự cũng được báo cáo, cho thấy rằng phương pháp đề xuất mang lại cải thiện đáng kể cả về thời gian lập kế hoạch và tỷ lệ thành công.
Từ khóa
#robot hai tay #lập kế hoạch nhiệm vụ #lập kế hoạch chuyển động #giải thuật heuristic #simulation #manipulationTài liệu tham khảo
Akbari, A., Gillani, M., & Rosell, J. (2015a). Reasoning-based evaluation of manipulation actions for efficient task planning. In ROBOT2015: Second Iberian robotics conference. Berlin: Springer.
Akbari, A., Gillani, M., & Rosell, J. (2015b). Task and motion planning using physics-based reasoning. In IEEE international conference on emerging technologies and factory automation.
Akbari, A., Gillani, M., & Rosell, J. (2016). Task planning using physics-based heuristics on manipulation actions. In IEEE international conference on emerging technologies and factory automation.
Azizi, V., Kimmel, A., Bekris, K., & Kapadia, M. (2017). Geometric reachability analysis for grasp planning in cluttered scenes for varying end-effectors. In 2017 13th IEEE conference on automation science and engineering (CASE), IEEE (pp. 764–769).
Blum, A. L., & Furst, M. L. (1997). Fast planning through planning graph analysis. Artificial intelligence, 90(1), 281–300.
Cambon, S., Alami, R., & Gravot, F. (2009). A hybrid approach to intricate motion, manipulation and task planning. The International Journal of Robotics Research, 28(1), 104–126.
Clarke, E. M., Grumberg, O., & Peled, D. (1999). Model checking. London: MIT Press.
Dantam, N., Kingston, Z. K., Chaudhuri, S., & Kavraki, L. E. (2016). Incremental task and motion planning: A constraint-based approach. In Robotics: Science and systems.
De Moura, L., & Bjørner, N. (2011). Satisfiability modulo theories: Introduction and applications. Communications of the ACM, 54(9), 69–77.
de Silva, L., Pandey, A. K., Gharbi, M., & Alami, R. (2013). Towards combining HTN planning and geometric task planning. In RSS workshop on combined robot motion planning and AI planning for practical applications.
Dornhege, C., Eyerich, P., Keller, T., Trüg, S., Brenner, M., & Nebel, B. (2012). Semantic attachments for domain-independent planning systems. In Towards service robots for everyday environments. Berlin: Springer (pp. 99–115).
Erdem, E., Haspalamutgil, K., Palaz, C., Patoglu, V., & Uras, T. (2011). Combining high-level causal reasoning with low-level geometric reasoning and motion planning for robotic manipulation. In IEEE international conference on robotics and automation robotics and automation (pp. 4575–4581).
Erdem, E., Patoglu, V., & Schüller, P. (2016). A systematic analysis of levels of integration between high-level task planning and low-level feasibility checks. AI Communications, 29(2), 319–349.
Garrett, C. R., Lozano-Pérez, T., & Kaelbling, L. P. (2015). FFRob: An efficient heuristic for task and motion planning. In Algorithmic foundations of robotics XI. Berlin: Springer (pp. 179–195).
Ghallab, M., Nau, D., & Traverso, P. (2004). Automated planning: Theory and practice. Amsterdam: Elsevier.
Hauser, K. (2014). The minimum constraint removal problem with three robotics applications. The International Journal of Robotics Research, 33(1), 5–17.
Hauser, K., & Latombe, J. C. (2010). Multi-modal motion planning in non-expansive spaces. The International Journal of Robotics Research, 29(7), 897–915.
Hauser, K., Ng-Thow-Hing, V., & Gonzalez-Baños, H. (2010). Multi-modal motion planning for a humanoid robot manipulation task. In Robotics research. Berlin: Springer (pp. 307–317).
He, K., Lahijanian, M., Kavraki, L. E., & Vardi, M. Y. (2015). Towards manipulation planning with temporal logic specifications. In 2015 IEEE international conference on robotics and automation (ICRA), IEEE (pp. 346–352).
Hertle, A., & Nebel, B. (2017). Identifying good poses when doing your household chores: Creation and exploitation of inverse surface reachability maps. In 2017 IEEE/RSJ international conference on intelligent robots and systems (IROS), IEEE (pp. 6053–6058).
Hoffmann, J., & Nebel, B. (2001). The FF planning system: Fast plan generation through heuristic search. Journal of Artificial Intelligence Research, 14, 253–302.
Kaelbling, L. P., & Lozano-Pérez, T. (2011). Hierarchical task and motion planning in the now. In IEEE international conference on robotics and automation robotics and automation (pp. 1470–1477).
Kavraki, L. E., Svestka, P., Latombe, J. C., & Overmars, M. H. (1996). Probabilistic roadmaps for path planning in high-dimensional configuration spaces. IEEE Transactions on Robotics and Automation, 12(4), 566–580.
Kuffner, J. J., & LaValle, S. M. (2000). RRT-connect: An efficient approach to single-query path planning. In Proceedings of IEEE international conference on robotics and automation. ICRA’00, IEEE (Vol. 2, pp. 995–1001).
Lagriffoul, F., & Andres, B. (2016). Combining task and motion planning: A culprit detection problem. The International Journal of Robotics Research, 35(8), 890–927.
Lagriffoul, F., Dimitrov, D., Saffiotti, A., & Karlsson, L. (2012). Constraint propagation on interval bounds for dealing with geometric backtracking. In 2012 IEEE/RSJ international conference on intelligent robots and systems (IROS), IEEE (pp. 957–964).
Lagriffoul, F., Dimitrov, D., Bidot, J., Saffiotti, A., & Karlsson, L. (2014). Efficiently combining task and motion planning using geometric constraints. The International Journal of Robotics Research, 33(14), 1726–1747.
Lagriffoul, F., Karlsson, L., Bidot, J., & Saffiotti, R. (2013). Combining task and motion planning is not always a good idea. In RSS workshop on combined robot motion planning.
LaValle, S. M., & Kuffner, J. J. (2001). Randomized kinodynamic planning. The International Journal of Robotics Research, 20(5), 378–400.
Lifschitz, V. (2002). Answer set programming and plan generation. Artificial Intelligence, 138(1–2), 39–54.
Lozano-Perez, T. (1983). Spatial planning: A configuration space approach. IEEE Transactions on Computers, C–32, 108–120.
Mcdermott, D., Ghallab, M., Howe, A., Knoblock, C., Ram, A., Veloso, M., Weld, D., & Wilkins, D. (1998). PDDL–The planning domain definition language. AIPS-98 Planning Competition Committee.
Muhayyuddin, G., Akbari A., & Rosell, J. (2015). Ontological physics-based motion planning for manipulation. In IEEE international conference on emerging technologies and factory automation, IEEE.
Muhayyuddin, G., Moll, M., Kavraki, L. E., & Rosell, J. (2018). Randomized physics-based motion planning for grasping in cluttered and uncertain environments. IEEE Robotics and Automation Letters, 3(2), 712–719. https://doi.org/10.1109/LRA.2017.2783445.
Pednault, E. P. D. (1989). ADL: Exploring the middle ground between strips and the situation calculus. In Proceedings of the first international conference on principles of knowledge representation and reasoning. San Francisco: Morgan Kaufmann Publishers Inc. (pp. 324–332).
Quigley, M., Conley, K., Gerkey, B., Faust, J., Foote, T., Leibs, J., Wheeler, R., & Ng, A. Y. (2009). ROS: An open-source robot operating system. In ICRA workshop on open source software (Vol. 3, pp. 5).
Rosell, J., Pérez, A., Aliakbar, A., Muhayyuddin, G., Palomo, L., & García, N. (2014). The Kautham project: A teaching and research tool for robot motion planning. In IEEE international conference on emerging technologies and factory automation.
Siméon, T., Laumond, J. P., Cortés, J., & Sahbani, A. (2004). Manipulation planning with probabilistic roadmaps. The International Journal of Robotics Research, 23(7–8), 729–746.
Srivastava, S., Fang, E., Riano, L., Chitnis, R., Russell, S., & Abbeel, P. (2014). Combined task and motion planning through an extensible planner-independent interface layer. In IEEE international conference on robotics and automation robotics and automation (pp. 639–646).
Stilman, M., & Kuffner, J. (2008). Planning among movable obstacles with artificial constraints. The International Journal of Robotics Research, 27(11–12), 1295–1307.
Stilman, M., Schamburek, J. U., Kuffner, J., & Asfour, T. (2007). Manipulation planning among movable obstacles. In 2007 IEEE international conference on robotics and automation, IEEE (pp. 3327–3332).
Sucan, I., Moll, M., Kavraki, L. E., et al. (2012). The open motion planning library. IEEE Robotics and Automation Magazine, 19(4), 72–82.
Zaplana, I., Claret, J. A., & Basanez, L. B. (2018). Análisis cinemático de robots manipuladores redundantes: Aplicación a los robots kuka lwr 4+ y abb yumi. Revista Iberoamericana de Automática e Informática industrial, 15(2), 192–202.