[论文解读] High-Quality Tabletop Rearrangement with Overhand Grasps: Hardness Results and Fast Methods

Shuai D. Han, Nicholas M. Stiffler+3 more|arXiv (Cornell University)|May 25, 2017

Robotic Path Planning Algorithms参考文献 61被引用 6

一句话总结

本文提出了一种新颖的算法流程，用于使用过手抓取方式实现高质量的桌面物体重新排列，将问题简化为已知的难解组合问题（欧几里得TSP和反馈点集问题），从而实现高效且可扩展的解决方案。该方法在最小化抓放动作次数和末端执行器移动距离方面实现了最优或近似最优性能，并在不同物体数量下展现出强大的经验可扩展性。

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 end-effector distance. While such problems do not involve all the complexities of general rearrangement, they remain computationally hard challenges in both cases. This is shown through two-way reductions between well-understood, hard combinatorial challenges and these rearrangement problems. The benefit of the reduction is that there are well studied algorithms for solving these well-established combinatorial challenges. 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 shows that the proposed pipeline achieves 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 setups.

研究动机与目标

• 分析使用过手抓取方式的桌面物体重新排列问题的计算难度，特别是重叠和非重叠位姿配置情况下的复杂性。
• 在重新排列问题与已知的难解组合问题——欧几里得TSP和反馈点集问题（FVS）之间建立双向归约，以支持实用的算法解决方案。
• 设计一种高效且可扩展的算法流程，以最小化在重叠和非重叠情况下的抓放动作次数和末端执行器路径长度。
• 通过实证评估验证该方法，并在真实的仿真环境中展示其高质量且可扩展的性能。

提出的方法

• 将非重叠重新排列问题归约为欧几里得TSP问题，利用已知的PTAS和启发式算法实现高效的路径规划。
• 将重叠重新排列问题归约为反馈点集（FVS）问题，确立其计算难度，并指导启发式算法的设计。
• 采用先前工作的图表示方法，用于建模重叠情况下的物体依赖关系和中间缓冲位置。
• 设计一个多阶段的算法流程，整合基于TSP和FVS的启发式算法与末端执行器路径优化。
• 将每次操作的成本建模为移动成本、抓取成本和释放成本之和，通过路径和动作次数的优化来最小化总成本。
• 引入外部缓冲位置以解决物体重叠问题，实现可行的中间放置，同时不违反碰撞约束。

实验结果

研究问题

• RQ1 尽管看似简单，非重叠桌面物体重新排列问题是否在计算上是困难的？
• RQ2 桌面重新排列的重叠情况是否可归约为已知的难解组合问题？这对算法设计有何影响？
• RQ3 对欧几里得TSP和FVS的归约是否能支持实用的高质量解决方案，并具备强大的可扩展性？
• RQ4 与基线方法相比，所提出的流程在动作次数和末端执行器路径长度方面表现如何？
• RQ5 随着物体数量的增加，该方法在重叠和非重叠配置下的可扩展性如何？

主要发现

• 非重叠桌面重新排列问题在计算上是困难的，通过与欧几里得TSP问题的双向归约得到证明。
• 重叠情况同样具有计算难度，其可归约为反馈点集（FVS）问题，而FVS问题是APX难的，表明其近似保证有限。
• 所提出的算法流程通过利用TSP和FVS的成熟启发式算法，实现了高质量的解决方案，显著减少了抓放动作次数并降低了末端执行器的移动距离。
• 该方法展现出强大的可扩展性，在重叠和非重叠设置下，即使物体数量增加，也能保持高质量的解。
• 实证评估证实，该流程在最小化动作次数和路径长度方面显著优于基线方法。