[论文解读] Towards Combining HTN Planning and Geometric Task Planning

Lavindra de Silva, Amit Kumar Pandey+2 more|arXiv (Cornell University)|Jul 4, 2013

AI-based Problem Solving and Planning参考文献 15被引用 50

一句话总结

本文提出了一种分层任务网络（HTN）规划与几何任务规划之间的新型接口，使符号规划器能够推理抽象任务，同时允许几何规划器独立处理空间推理。通过在两个系统之间交错进行规划与回溯，该方法支持更灵活、更合理的任务执行，并在复杂操作任务上的基准测试中取得了显著成果。

ABSTRACT

In this paper we present an interface between a symbolic planner and a geometric task planner, which is different to a standard trajectory planner in that the former is able to perform geometric reasoning on abstract entities---tasks. We believe that this approach facilitates a more principled interface to symbolic planning, while also leaving more room for the geometric planner to make independent decisions. We show how the two planners could be interfaced, and how their planning and backtracking could be interleaved. We also provide insights for a methodology for using the combined system, and experimental results to use as a benchmark with future extensions to both the combined system, as well as to the geometric task planner.

研究动机与目标

• 解决在机器人领域中整合符号任务规划与几何推理的挑战。
• 为HTN规划器与几何任务规划器之间建立一种原则性接口，区别于传统的轨迹规划器。
• 在保持高层符号任务结构一致性的前提下，支持几何规划中的独立决策。
• 开发一种方法论，以在实际机器人应用中使用该集成系统。
• 为未来对集成系统及几何规划器的扩展提供基准评估。

提出的方法

• 设计两级规划架构：使用符号HTN规划器进行任务分解，使用几何任务规划器进行空间推理。
• 定义通信接口，将HTN规划中的抽象任务转换为几何规划器的几何约束。
• 支持交错规划与回溯：当几何计划失败时，系统在符号计划中回溯并重新规划。
• 对抽象实体（例如“抓取杯子”）进行几何推理，而不仅仅是低层级轨迹。
• 将几何决策与符号规划解耦，以提高灵活性与模块化程度。
• 实现反馈回路，使几何规划器的结果可反馈用于符号计划的优化，反之亦然。

实验结果

研究问题

• RQ1 如何有效结合符号HTN规划与几何任务规划，以支持复杂的机器人操作？
• RQ2 何种接口设计可实现符号规划器与几何规划器之间的原则性通信，同时不降低规划器的自主性？
• RQ3 如何在符号与几何规划阶段之间有效交错执行回溯？
• RQ4 将几何推理视为作用于抽象任务而非仅轨迹，其实际优势是什么？
• RQ5 如何评估该集成系统，并将其用作未来扩展的基准？

主要发现

• 该接口成功实现了符号HTN规划器对抽象任务的推理，同时将几何推理委托给专用的几何规划器。
• 在两个规划器之间交错执行规划与回溯，显著提升了复杂任务执行的鲁棒性。
• 该系统支持几何规划器的独立决策，增强了灵活性与模块化程度。
• 该方法为未来对集成系统及几何任务规划器的扩展提供了基础。
• 实验结果表明，该联合规划框架在代表性操作任务中具有可行性与有效性。