[论文解读] Complexity Results and Fast Methods for Optimal Tabletop Rearrangement with Overhand Grasps

Shuai D. Han, Nicholas M. Stiffler+3 more|arXiv (Cornell University)|Nov 17, 2017

Robotic Path Planning Algorithms参考文献 42被引用 4

一句话总结

本文提出了关于使用过手抓取方式实现最优桌面物体重新排列的复杂性结果与高效算法流程，表明该问题在计算上是困难的（通过归约至TSP和反馈点集问题证明为NP难），但仍可通过实用启发式方法求解。该研究提出了一种最小化抓取-放置动作次数与末端执行器移动距离的方法，并通过仿真和硬件实验验证了其出色的可扩展性。

ABSTRACT

This paper studies the underlying combinatorial structure of a class of object rearrangement problems, which appear frequently in applications. The problems involve multiple, similar-geometry objects placed on a flat, horizontal surface, where a robot can approach them from above and perform pick-and-place operations to rearrange them. The paper considers both the case where the start and goal object poses overlap, and where they do not. For overlapping poses, the primary objective is to minimize the number of pick-and-place actions and then to minimize the distance traveled by the end-effector. For the non-overlapping case, the objective is solely to minimize the travel distance of the end-effector. While such problems do not involve all the complexities of general rearrangement, they remain computationally hard in both cases. This is shown through reductions from well-understood, hard combinatorial challenges to these rearrangement problems. The reductions are also shown to hold in the reverse direction, which enables the convenient application on rearrangement of well studied algorithms. These algorithms can be very efficient in practice despite the hardness results. The paper builds on these reduction results to propose an algorithmic pipeline for dealing with the rearrangement problems. Experimental evaluation, including hardware-based trials, shows that the proposed pipeline computes high-quality paths with regards to the optimization objectives. Furthermore, it exhibits highly desirable scalability as the number of objects increases in both the overlapping and non-overlapping setup.

研究动机与目标

• 分析使用过手抓取方式在重叠与非重叠位姿情形下，桌面物体重新排列的组合复杂性。
• 通过将已知的NP难问题（欧几里得TSP与反馈点集问题）归约至重新排列问题，建立理论上的困难性结果。
• 开发一种实用且可扩展的算法流程，以最小化抓取-放置动作次数与末端执行器移动距离。
• 通过仿真与硬件实验验证该方法，展示其高解决方案质量与可扩展性。
• 实现在工业与服务机器人应用中涉及物体重新排列的高效、实际部署。

提出的方法

• 将最优非重叠重新排列问题归约为欧几里得TSP，利用现有的PTAS与启发式方法实现实际效率。
• 采用反馈点集（FVS）公式建模重叠情形，将最少抓取-放置动作次数与FVS解联系起来。
• 提出两阶段算法流程：首先通过受FVS启发的启发式方法确定最小动作序列，随后优化末端执行器路径长度。
• 使用物体配置的图表示法建模中间缓冲位置，避免操作过程中的碰撞。
• 引入成本建模，总成本由抓取/释放成本与末端执行器移动距离组成，重点最小化主导项（动作次数）。
• 结合仿真（V-REP）与真实硬件平台（如ABB IRB 360、Stäubli TP80）进行实验验证。

实验结果

研究问题

• RQ1 使用过手抓取方式的最优桌面重新排列问题是否在计算上是困难的，即使在非重叠情形下？
• RQ2 能否从已知的NP难问题（如欧几里得TSP、FVS）建立归约，以证明重新排列问题的困难性？
• RQ3 能否从这些归约中推导出实用且高效的算法，以在真实场景中求解重新排列问题？
• RQ4 该方法在重叠与非重叠配置下，随着物体数量增加时的可扩展性如何？
• RQ5 该算法流程在动作次数与末端执行器移动距离方面，对解决方案质量的提升程度如何？

主要发现

• 最优非重叠桌面重新排列问题为NP难，已通过从欧几里得TSP问题的归约证明。
• 重叠情形同样为NP难，最少抓取-放置动作次数等价于求解反馈点集（FVS）问题。
• 所提出的算法流程实现了高质量解，动作次数极少，末端执行器移动距离低，已在仿真与硬件实验中得到验证。
• 该方法表现出强大的可扩展性，在重叠与非重叠配置下，随着物体数量增加仍能保持性能。
• 双向归约使得可复用现有高性能启发式方法（如TSP的PTAS、FVS启发式），尽管存在理论困难，仍实现了实际效率。
• 硬件实验验证了该方法的鲁棒性与实际适用性，其解决方案高效且避免了冗余动作。