[論文レビュー] STRIPStream: Integrating Symbolic Planners and Blackbox Samplers

Caelan Reed Garrett, Tomás Lozano‐Pérez+1 more|arXiv (Cornell University)|Jan 1, 2018

AI-based Problem Solving and Planning被引用数 11

ひとこと要約

STRIPStreamは、ロボットの運動計画におけるような連続的で高次元の制約（例：運動学的制約や衝突回避）を扱うために、記号的計画法とブラックボックス・サンプラーをネイティブに統合するようにSTRIPS計画言語を拡張する。複雑な問題を有限ドメインの計画タスクの系列に還元することで、コスト感受性計画が可能となり、3つのロボットタスク・モーション計画ドメインで有効性が示された。

ABSTRACT

Many planning applications involve complex relationships defined on high-dimensional, continuous variables. For example, robotic manipulation requires planning with kinematic, collision, and motion constraints involving robot configurations, object transforms, and robot trajectories. These constraints typically require specialized procedures to sample satisfying values. We extend the STRIPS planning language to support a generic, declarative specification for these procedures while treating their implementation as blackboxes. We provide several domain-independent algorithms that reduce STRIPStream problems to a sequence of finite-domain STRIPS planning problems. Additionally, we describe cost-sensitive planning within this framework. Finally, we evaluate our algorithms on three robotic task and motion planning domains.

研究の動機と目的

• ロボティクス分野における複雑で高次元の連続的制約（例：運動学的制約や衝突回避）を扱う課題に対処すること。
• ドメイン固有のサンプリング手順（ブラックボックスとして扱う）を記号的計画フレームワークにシームレスに統合できること。
• 連続的で高次元の計画問題を、解釈可能な有限ドメインのSTRIPS問題の系列に還元することで、実行可能にすること。
• この統合フレームワーク内でコスト感受性計画をサポートし、効率性と最適性を向上させること。
• 実際のロボットタスク・モーション計画ドメインにおけるフレームワークの評価を通じて、スケーラビリティと有効性を検証すること。

提案手法

• 連続変数上のブラックボックス・サンプリング手順を指定するための宣言的で汎用的なインタフェースを、STRIPS言語に拡張する。
• 連続変数を段階的に精緻化するドメインに依存しないアルゴリズムを導入し、全体の問題を有限ドメインのSTRIPS計画問題の系列に還元する。
• 連続的制約を分離し、外部のサンプラーを介して処理する分解戦略を採用するが、同時に記号的計画の構造を維持する。
• 有限ドメインの計画段階にコスト関数を統合し、反復処理中にコスト情報を伝搬することで、コスト感受性計画を支援する。
• 記号的計画の進行に応じて連続変数を段階的に制約することで、反復的精緻化により実行可能解に収束する。
• 複雑なサンプリングを専用のドメイン固有の手順に委ねつつ、有限ドメインの部分問題に対して既存の記号的プランナを使用する。

実験結果

リサーチクエスチョン

• RQ1 ブラックボックス・サンプラーへの宣言的インタフェースを通じて、記号的計画が連続的で高次元の制約を効果的に扱えるか。
• RQ2 連続変数を含む複雑な計画問題が、どのように有限ドメインのSTRIPS問題の系列に還元できるか。
• RQ3 このフレームワークが連続ドメインにおけるコスト感受性計画をどの程度サポートできるか。
• RQ4 ブラックボックス・サンプラーの統合が、ロボットタスク・モーション計画におけるスケーラビリティと解の品質をどの程度向上させるか。
• RQ5 STRIPStreamの実証的性能は、多様で現実的なロボット計画ドメインにおいてどの程度であるか。

主な発見

• フレームワークは、複雑な連続的計画問題を有限ドメインのSTRIPS問題の系列に成功して還元し、既存の記号的プランナの利用を可能にした。
• STRIPStreamは、反復的精緻化プロセスにコスト関数を統合することで、解の最適性を向上させるコスト感受性計画をサポートした。
• ブラックボックス・サンプラーの統合により、ロボティクス分野における運動学的制約や衝突回避といった複雑な制約の効率的処理が可能になった。
• 3つのロボットタスク・モーション計画ドメインにおける評価を通じて、フレームワークのスケーラビリティと有効性が確認された。
• サンプリングの複雑さと記号的推論を分離することで、実用的妥当性と性能向上が実証された。
• 本手法により、連続変数を含むエンドツーエンド計画が、記号的計画の表現力と効率性を維持したまま可能になった。