[논문 리뷰] ReloPush-BOSS: Optimization-guided Nonmonotone Rearrangement Planning for a Car-like Robot Pusher

Jeeho Ahn, Christoforos Mavrogiannis|arXiv (Cornell University)|2026. 01. 29.

Robot Manipulation and Learning인용 수 0

한 줄 요약

ReloPush-BOSS는 최적화 가이던스 prerelocation과 push-traversability 그래프 및 깊이 우선 탐색을 통합하여 촘촘한 혼잡한 환경에서 자동차 모양의 푸셔를 사용한 비단조(n(비단조)) 다중 객체 재배치 작업을 해결하고, 기초 비교대상보다 더 높은 성공률과 더 짧은 경로를 달성합니다. 1/10-scale 플랫폼에서의 실제 로봇 검증은 강인성을 입증합니다.

ABSTRACT

We focus on multi-object rearrangement planning in densely cluttered environments using a car-like robot pusher. The combination of kinematic, geometric and physics constraints underlying this domain results in challenging nonmonotone problem instances which demand breaking each manipulation action into multiple parts to achieve a desired object rearrangement. Prior work tackles such instances by planning prerelocations, temporary object displacements that enable constraint satisfaction, but deciding where to prerelocate remains difficult due to local minima leading to infeasible or high-cost paths. Our key insight is that these minima can be avoided by steering a prerelocation optimization toward low-cost regions informed by Dubins path classification. These optimized prerelocations are integrated into an object traversability graph that encodes kinematic, geometric, and pushing constraints. Searching this graph in a depth-first fashion results in efficient, feasible rearrangement sequences. Across a series of densely cluttered scenarios with up to 13 objects, our framework, ReloPush-BOSS, exhibits consistently highest success rates and shortest pushing paths compared to state-of-the-art baselines. Hardware experiments on a 1/10 car-like pusher demonstrate the robustness of our approach. Code and footage from our experiments can be found at: https://fluentrobotics.com/relopushboss.

연구 동기 및 목표

• 밀집하게 혼잡한 공간에서 자동차 모양의 푸셔를 사용한 비단조 비(비단조) 다중 객체 재배치를 다룬다.
• 운동학적, 기하학적 및 물리 제약을 하나의 객체 통행 가능 그래프를 통해 통합한다.
• Dubins 경로 분류에 기반한 최적화를 통해 prerelocation 판단을 개선한다.
• 시드 워밍-스타트와 백트래킹 검색으로 지역 최솟값을 완화한다.
• 최대 13개 객체까지의 확장성을 시연하고 하드웨어에서 검증한다.

제안 방법

• Push-Traversability (PT) 그래프를 구성하여 객체 경계에서의 푸시 자세와 자세들 사이의 실행 가능한 Dubins 경로를 포함한다.
• 직접 전이가 불가능할 때 prerelocations를 두 푸시 구간을 연결하는 중간 Dubins 경로로 삽입한다.
• prerelocation 최적화를 prerelocation를 둘러싼 두 푸시 구간의 길이 합을 최소화하도록 수식화한다.
• Dubins 경로 기반 시드에서 파생된 시드 워밍스타트를 사용하여 최적화 중에 고비용의 국소 최솟값을 피한다.
• 구성 가능한 순서 재배열 시퀀스에 대해 백트래킹이 있는 깊이우선 탐색으로 조합 복잡성을 관리한다.
• SE(2) 제약된 작업공간에서 비홀로노믹 카와 같이 운용하며 준정적 푸시 가정을 따른다.
• 정의된 원시 동작들 내에서 조건부 완전성을 보장한다(객체당 프리로케이션은 최대 하나, 장애물 제거는 직선 경로).

실험 결과

연구 질문

• RQ1 밀집한 장애물 속에서 전체 푸시-전환 거리를 줄이도록 prerelocation 의사결정을 어떻게 최적화할 수 있을까?
• RQ2 Dubins 경로 분류가 prerelocation 최적화에서 나쁜 국소 최솟값을 피하기 위한 안정적 초기화를 촉진할 수 있을까?
• RQ3 최적화 가이드 prerelocations를 traversability 그래프에 포함시키는 것이 자동차 모양의 푸셔가 비단조 재배치에서 성공률과 경로 길이를 개선할까?
• RQ4 상위 수준 계획의 백트래킹이 더 큰 객체 집합으로의 확장성에 미치는 영향은 무엇인가?
• RQ5 이 접근법이 시뮬레이션을 넘어 실제 하드웨어에 얼마나 잘 전달되는가?

주요 결과

• ReloPush-BOSS는 최대 13개 객체를 사용하는 밀집 시나리오에서 제거된 버전 및 문헌 베이스라인보다 더 높은 성공률을 달성한다.
• 최적화된 prerelocations는 비최적 prerelocations에 비해 전체 푸시-전이 길이 및 전체 경로 길이를 감소시킨다.
• Dubins 경로 기반 시드에 의한 시드 워밍 스타트는 prerelocation 최적화 중 고비용의 국소 최솟값을 효과적으로 피한다.
• 백트래킹이 있는 깊이 우선 탐색은 순수하게 탐욕적이거나 전수 탐색 방식보다 강건성과 확장성을 향상시킨다.
• 1/10-scale 카-유사 푸셔에서의 하드웨어 시연은 실세계 마찰 및 추적 조건에서의 강건성을 검증한다.