シンボリックな時空間動作抽象化のインクリメンタル学習によるスケジューリングと動作計画の交互実行
Interleaving Scheduling and Motion Planning with Incremental Learning of Symbolic Space-Time Motion Abstractions
共有作業空間でのマルチオブジェクトナビゲーション問題を対象に、既製のスケジューラと動作プランナを交互に実行し、動作プランナからのシンボリックなフィードバックを学習してスケジューラを誘導する枠組みを提案した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Elisa Tosello, Arthur Bit-Monnot, Davide Lusuardi, Alessandro Valentini, Andrea Micheli
分類: cs.RO, cs.AI
原文アブストラクト
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.
関連論文
- 視認性を考慮したタスク・動作計画とタスク中心の知覚タスク・動作計画
- 汎用タスク・動作計画問題に対するコーディングエージェントタスク・動作計画
- 探索・接地・計画：不完全なシーン知識下でのタスク・動作計画のための機能的十分性タスク・動作計画
- 視覚言語モデルを用いた証拠ゲート型タスク・動作計画タスク・動作計画
- 大規模言語モデルによる部分観測タスク・動作計画の状態推定ガイドタスク・動作計画
- H-WM：階層型ワールドモデルによるロボットのタスク・動作計画タスク・動作計画
