[논문 리뷰] Cooperative Task and Motion Planning for Multi-Arm Assembly Systems

Jingkai Chen, Jiaoyang Li외 8명|arXiv (Cornell University)|2022. 03. 04.

Modular Robots and Swarm Intelligence인용 수 20

한 줄 요약

논문은 MILP 기반 고수준 작업 할당과 충돌 인지를 고려한 저수준 다중 에이전트 경로 탐색을 결합한 계층적 작업 및 모션 계획 프레임워크를 제시하여 복잡한 멀티로봇 구조를 안전하고 효율적으로 조립하며 다양한 도메인에서 최대 23개 물체로 시연한다.

ABSTRACT

Multi-robot assembly systems are becoming increasingly appealing in manufacturing due to their ability to automatically, flexibly, and quickly construct desired structural designs. However, effectively planning for these systems in a manner that ensures each robot is simultaneously productive, and not idle, is challenging due to (1) the close proximity that the robots must operate in to manipulate the structure and (2) the inherent structural partial orderings on when each part can be installed. In this paper, we present a task and motion planning framework that jointly plans safe, low-makespan plans for a team of robots to assemble complex spatial structures. Our framework takes a hierarchical approach that, at the high level, uses Mixed-integer Linear Programs to compute an abstract plan comprised of an allocation of robots to tasks subject to precedence constraints and, at the low level, builds on a state-of-the-art algorithm for Multi-Agent Path Finding to plan collision-free robot motions that realize this abstract plan. Critical to our approach is the inclusion of certain collision constraints and movement durations during high-level planning, which better informs the search for abstract plans that are likely to be both feasible and low-makespan while keeping the search tractable. We demonstrate our planning system on several challenging assembly domains with several (sometimes heterogeneous) robots with grippers or suction plates for assembling structures with up to 23 objects involving Lego bricks, bars, plates, or irregularly shaped blocks.

연구 동기 및 목표

• 로봇식 조립에 대한 유연한 자동화를 촉진하고 수동 재프로그래밍 필요성을 줄인다.
• 다중 로봇의 작업 할당과 충돌 없는 모션을 함께 최적화하는 프레임워크를 개발한다.
• 실현 가능성과 효율성을 높이기 위해 고수준 계획에 중요한 충돌 및 지속 시간 정보를 통합한다.
• 근접 작업 환경에서 이질적인 로봇 팀이 복잡한 구조물을 조립하는 데의 적용 가능성을 시연한다.

제안 방법

• 로봇 조작 절차와 우선순위 제약이 있는 작업을 설명하기 위해 모드 그래프를 사용한다.
• 각 로봇에 대해 다중 모드 로드맵을 생성하여 물체와의 가능한 움직임 및 상호 작용을 포착한다.
• 핵심 충돌 및 우선순위 제약을 포함하면서 로봇에 작업을 배정하기 위해 완화된 MILP를 해를 구한다.
• 로드맵 간의 잠재적 충돌을 주석으로 표시하고 우선순위 기반의 독립적 MAPF 유사 탐색(PBS-AT)을 사용해 충돌 없이 모션을 생성한다.
• MILP 해로부터 하위 계획 시퀀스를 추출하고, 이동 장애물과 선행 제약을 다루기 위해 rSIPP를 이용한 우선순위 있는 반복 경로 계획 접근법을 적용한다.

실험 결과

연구 질문

• RQ1 멀티-암 조립에서 작업 할당과 모션 플래닝을 어떻게 통합하여 makespan을 최소화할 수 있는가?
• RQ2 근거 제약(예: 충돌, 선행 제약) 등 고수준 제약이 충돌 없는 실현 가능한 저수준 계획을 보장하는 데 어떤 필수적 요소인가?
• RQ3 MILP 기반 작업 배정과 MAPF에서 영감을 받은 계획을 포함하는 계층적 접근 방식이 다수의 로봇과 물체가 있는 복잡한 조립으로 확장되는가?
• RQ4 고수준에서 충돌 인지 및 작업 관련 정보를 통합하는 것이 계획의 실현 가능성과 성능에 어떤 영향을 미치는가?

주요 결과

• 본 프레임워크는 다양한 도메인에서 최대 23개의 물체로 구조물을 조립하는 로봇 팀에 대해 안전하고 낮은 makespan의 계획을 생성한다.
• 충돌 제약 및 움직임 지속 시간이 포함되면 실현 가능성이 향상되고 탐색이 낮은 makespan 솔루션으로 향한다.
• MILP 기반 작업 배정은 우선순위 및 로드맵 연결성을 존중하면서 작업을 로봇에 효과적으로 매핑한다.
• PBS-AT 알고리즘은 할당된 작업과 움직이는 장애물을 다루도록 우선순위 기반 탐색을 확장하여 충돌 없는 선행 제약 준수 계획을 생성한다.
• 로드맵 생성 및 주석 추가 단계는 충돌 정보를 재사용하고 문제를 실현 가능한 부분 문제로 분해하여 확장 가능한 계획을 가능하게 한다.