Time Range Constraints for Motion Planning for Manipulators

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

This paper addresses the problem of coordinated motion planning for multi-link robotic manipulator systems. One of the promising modern approaches to solving this problem is conflict-based planning, which avoids constructing a high-dimensional joint search space by sequentially solving a series of lower-dimensional problems. This is achieved by introducing spatio-temporal constraints whenever conflicts arise in individual manipulator plans, followed by replanning with these constraints in place. Unfortunately, existing methods that use constraints operate with individual time points, which reduces their practical efficiency. In this work, we present a novel conflict-based planning algorithm that utilizes interval-based temporal constraints rather than point-based ones – GECBS-T. Theoretically, the proposed algorithm guarantees bounded sub-optimality of the generated solutions; that is, for any user-defined bound w > 1, the cost of the GECBS-T solution will not exceed w times the cost of the optimal solution. In practice, the proposed algorithm significantly outperforms analogous algorithms in terms of planning speed, as confirmed by experiments conducted in the MuJoCo robotics simulator involving 2–4 KUKA robotic manipulators, each with 7 degrees of freedom.

Авторлар туралы

A. Zaitsev

St. Petersburg State University

Email: Dusha.Zaitsev@yandex.ru
University Emb. 7–9

K. Yakovlev

Federal Research Center for Computer Science and Control of the Russian Academy of Sciences (FRCSC RAS)

Email: yakovlev@isa.ru
Vavilova St. 44/2

Әдебиет тізімі

  1. Sharon G., Stern R., Felner A., Sturtevant N.R. Conflict-based search for optimal multi-agent pathfinding. Artificial intelligence. 2015. vol. 219. pp. 40–66.
  2. Shaoul Y., Veerapaneni R., Likhachev M., Li J. Unconstraining multi-robot manipulation: Enabling arbitrary constraints in ecbs with bounded sub-optimality. Proceedings of the International Symposium on Combinatorial Search. 2024. vol. 17. pp. 109–117.
  3. Ma H., Koenig S. Ai buzzwords explained: multi-agent path finding (mapf). AI Matters. 2017. vol. 3(3). pp. 15–19.
  4. Stern R., Sturtevant N., Felner A., Koenig S., Ma H., Walker T., Li J., Atzmon D., Cohen L., Kumar T.K., et al. Multi-agent pathfinding: Definitions, variants, and benchmarks. Proceedings of the International Symposium on Combinatorial Search. 2019. vol. 10. pp. 151–158.
  5. Ma H., Harabor D., Stuckey P.J., Li J., Koenig S. Searching with consistent prioritization for multi-agent path finding. In Proceedings of the AAAI conference on artificial intelligence. 2019. vol. 33. pp. 7643–7650.
  6. Chan S.-H., Stern R., Felner A., Koenig S. Greedy priority-based search for suboptimal multi-agent path finding. Proceedings of the International Symposium on Combinatorial Search. 2023. vol. 16. pp. 11–19.
  7. Zhang S., Li J., Huang T., Koenig S., Dilkina B. Learning a priority ordering for prioritized planning in multi-agent path finding. Proceedings of the International Symposium on Combinatorial Search. 2022. vol. 15. pp. 208–216.
  8. Sharon G., Stern R., Felner A., Sturtevant N.R. Conflict-based search for optimal multi-agent pathfinding. Artificial intelligence. 2015. vol. 219. pp. 40–66.
  9. Shaoul Y., Mishani I., Likhachev M., Li J. Accelerating search-based planning for multi-robot manipulation by leveraging online-generated experiences. Proceedings of the International Conference on Automated Planning and Scheduling. 2024. vol. 34. pp. 523–531.
  10. Chen J., Li J., Huang Y., Garrett C., Sun D., Fan C., Hofmann A., Mueller C., Koenig S., Williams B.C. Cooperative task and motion planning for multi-arm assembly systems. arXiv preprint arXiv:2203.02475. 2022.
  11. LaValle S. Rapidly-exploring random trees: A new tool for path planning. Research Report 9811. 1998.
  12. Kuffner J.J., LaValle S.M. Rrt-connect: An efficient approach to single-query path planning. Proceedings 2000 ICRA. Millennium conference. IEEE international conference on robotics and automation. Symposia proceedings (Cat. No. 00CH37065). IEEE, 2000. vol. 2. pp. 995–1001.
  13. Lacevic B., Osmankovic D.. Improved c-space exploration and path planning for robotic manipulators using distance information. 2020 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2020. pp. 1176–1182.
  14. Karaman S., Frazzoli E. Sampling-based algorithms for optimal motion planning. The international journal of robotics research. 2011. vol. 30(7). pp. 846–894.
  15. Zhang D., Zhu G., Zhang Q. Multi-robot motion planning: A learning-based artificial potential field solution. 2nd Conference on Fully Actuated System Theory and Applications (CFASTA). IEEE, 2023. pp. 233–238.
  16. Shaoul Y., Mishani I., Vats S., Li J., Likhachev M. Multi-robot motion planning with diffusion models. arXiv preprint arXiv:2410.03072. 2024.
  17. Aljalbout E., Karl M., van der Smagt P. Clas: Coordinating multi-robot manipulation with central latent action spaces. Learning for Dynamics and Control Conference. PMLR, 2023. pp. 1152–1166.
  18. Sharon G., Stern R., Felner A., Sturtevant N.R. Conflict-based search for optimal multi-agent pathfinding. Artificial intelligence. 2015. vol. 219. pp. 40–66.
  19. Ebendt R., Drechsler R. Weighted a search–unifying view and application. Artificial Intelligence. 2009. vol. 173(14). pp. 1310–1342.
  20. Li J., Ruml W., Koenig S. Eecbs: A bounded-suboptimal search for multi-agent path finding. In Proceedings of the AAAI conference on artificial intelligence. 2021. vol. 35(14). pp. 12353–12362.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».