立式精鍛機(jī)自動(dòng)上料機(jī)械手手部結(jié)構(gòu)的設(shè)計(jì),立式,精鍛機(jī),自動(dòng),機(jī)械手,結(jié)構(gòu),設(shè)計(jì) 認(rèn)知移動(dòng)機(jī)械手知覺(jué)和行動(dòng)的規(guī)劃 安德烈 加舍爾a 斯維特拉娜a 羅納德 P.A. 彼得里克b 阿洛伊斯 克諾爾a a 德國(guó)，慕尼黑，慕尼黑工業(yè)大學(xué)，富通學(xué)院 b 英國(guó)，愛(ài)丁堡，愛(ài)丁堡大學(xué)，信息科學(xué)學(xué)院 摘要 本文提出一個(gè)通用的方法來(lái)實(shí)現(xiàn)感知運(yùn)動(dòng)機(jī)械手的知覺(jué)和操作的規(guī)劃，相比較于硬編碼專(zhuān)用機(jī)器人應(yīng)用,機(jī)器人應(yīng)該能夠推斷其基本技能以自主解決復(fù)雜問(wèn)題。對(duì)于實(shí)際場(chǎng)景的抽象問(wèn)題人類(lèi)根據(jù)他們的經(jīng)驗(yàn)通過(guò)分解為更小的子任務(wù)和試探法直觀地解決任務(wù)，我們把類(lèi)似的方法應(yīng)用到感知運(yùn)動(dòng)機(jī)器人知覺(jué)和操作的規(guī)劃。我們的方法以偶然性規(guī)劃和運(yùn)行時(shí)傳感為基礎(chǔ)，集成在我們的“知識(shí)卷”中規(guī)劃框架，稱(chēng)為KVP。在信息采集活動(dòng)時(shí)我們模擬了運(yùn)行時(shí)許多可能發(fā)生的結(jié)果。結(jié)果是，知覺(jué)和感覺(jué)取決于必要的操作先決條件，而不是硬編碼的任務(wù)本身。我們展示的是一個(gè)真正的移動(dòng)機(jī)械手在視覺(jué)和力傳感兩個(gè)場(chǎng)景中的有效性。 關(guān)鍵詞：機(jī)器人任務(wù)規(guī)劃；移動(dòng)操作 1.引言 在實(shí)際環(huán)境中控制移動(dòng)機(jī)械手本質(zhì)上是一個(gè)具有挑戰(zhàn)性的任務(wù)，因此它通常需要推理出對(duì)不確定條件下的感知和行動(dòng)。為了解決這些困難，我們提出一個(gè)能作為機(jī)器人知覺(jué)和行動(dòng)之間的中間代碼并結(jié)合了象征性人工智能進(jìn)行有效計(jì)算的名叫“知識(shí)卷”的應(yīng)用程序以實(shí)現(xiàn)機(jī)器人的任務(wù)規(guī)劃。 KVP方法主要有兩個(gè)原則使之能特別應(yīng)用于機(jī)器人的知覺(jué)和操縱與不確定的或不完全的知識(shí)，真實(shí)世界幾何學(xué)，多元機(jī)器人和傳感器。首先,我們使用規(guī)劃知識(shí)和遙感作為底層象征性的計(jì)劃系統(tǒng)[1,2]。相比其他許多現(xiàn)成的計(jì)劃引擎，PKS運(yùn)行在能代表已知和未知的信息知識(shí)水平，使其能清晰和簡(jiǎn)潔地模擬在域內(nèi)的運(yùn)動(dòng)，原因在于部分已知的環(huán)境是典型的移動(dòng)操作。第二，與其離散搜索空間，我們表述許多基于先決條件感知和操縱連續(xù)卷，特別設(shè)置的幾何凸多面體[3,4]。這卷的概念在幾何級(jí)和象征性的水平作為模擬知覺(jué)和行動(dòng)一個(gè)強(qiáng)大的中間表示。我們的方法是最早設(shè)置一個(gè)介于連續(xù)機(jī)器人運(yùn)動(dòng)和視覺(jué)錐細(xì)胞之間的凸多面體中介表示，離散象征性運(yùn)動(dòng)，建立一個(gè)結(jié)合幾何和符號(hào)認(rèn)知體系結(jié)構(gòu)。 在以往的研究中，我們介紹了通用KVP框架[4,5]，并細(xì)節(jié)性的描述了集凸多面體容積排量的計(jì)算[3]和規(guī)劃的突發(fā)事件[6]。這個(gè)工作改為集中在一個(gè)移動(dòng)操作 方案，其中演示了KVP處理的幾個(gè)關(guān)鍵特性的方法(見(jiàn)圖1)，即以傳感器行動(dòng)計(jì)劃（感知），離散不確定（不完整的知識(shí)）和操作。 (a) 我們?cè)u(píng)估一個(gè)工廠設(shè)置中的一個(gè) （b）行動(dòng)的幾何條件和影響，機(jī)器人動(dòng)武士刀五自由度機(jī)械手移動(dòng) 作的工作空間（紅色）和凸多面體 平臺(tái)的機(jī)器人任務(wù)規(guī)劃 的對(duì)象邊界建模。（藍(lán)色為可移動(dòng)的物體，灰色為靜態(tài)障礙物） 圖1 移動(dòng)操縱場(chǎng)景 1.1相關(guān)工作 早期認(rèn)知移動(dòng)機(jī)械手系統(tǒng)工作要追溯到1984年如機(jī)器人沙基[7]。從那時(shí)起,這一領(lǐng)域已經(jīng)取得了重大進(jìn)展,且認(rèn)知規(guī)劃架構(gòu)已經(jīng)從不同的研究視角被提出，包括來(lái)自人工技能的概率技術(shù)[8]，趨近世界的象征性規(guī)劃[9-11]，中繼合成[12,13]，抽檢操作計(jì)劃[14,15]。 一個(gè)與我們方法密切相關(guān)的貢獻(xiàn)是來(lái)自于信任空間規(guī)劃師 Kaelbling和Lozano-Pérez[8,16]，他們模擬信任空間的概率分布狀態(tài)，使其有強(qiáng)大的應(yīng)對(duì)未知和挑戰(zhàn)的能力。與信任區(qū)域形成對(duì)照的是，我們的工作反而依靠的是離散的知識(shí)和設(shè)計(jì)成不完全信息和傳感的結(jié)構(gòu)化環(huán)境。此外，盡管Kaelbling和Lozano-Pérez使用八叉樹(shù)代表機(jī)器人姿態(tài)容積排量，我們使用凸多面體，允許在確定性情況下非常有效的碰撞檢測(cè)[3]。在這兩種情況下,知覺(jué)是制定操作的必要前提,而不是硬編碼為一個(gè)任務(wù)本身。 在其他重要的方面我們的工作也不同于Kaelbling Lozano-Pérez。特別是我們的方法是新穎的，在規(guī)劃不完整的信息和傳感時(shí)應(yīng)用3D幾何容積作為象征性規(guī)劃和運(yùn)動(dòng)規(guī)劃的基本代表，同時(shí)結(jié)合現(xiàn)成的多用途的人工智能的支持確定。這允許我們定義幾何先決條件和操作行為，涉及到知識(shí)的得失，并產(chǎn)生解決交錯(cuò)傳感和操縱行為的方案[6]，是之能成為一個(gè)有希望的方案解決移動(dòng)機(jī)械手合并知覺(jué)和行動(dòng)規(guī)劃的問(wèn)題。此外,我們可以很容易地集成未來(lái)改進(jìn)新計(jì)劃引擎,有效利用人工智能社區(qū)。最后,我們的工作是展示了移動(dòng)機(jī)械手，兩個(gè)實(shí)驗(yàn)場(chǎng)景執(zhí)行在一個(gè)真正的武士刀機(jī)械手移動(dòng)平臺(tái),而不是僅僅在一個(gè)模擬的環(huán)境。 2.方法 KVP機(jī)器人試圖應(yīng)對(duì)固有的困難推理對(duì)象征性的行動(dòng)和幾何條件和效果任務(wù)規(guī)劃方法的兩個(gè)重要的原則,:知識(shí)的表示和卷的表示[4,5]。知識(shí)的概念被用來(lái)模擬規(guī)劃者的信任狀態(tài)的性能，而不是直接代表世界的狀態(tài)。這種方法是由我們?cè)?.1節(jié)描述的知識(shí)型象征性規(guī)劃者（規(guī)劃知識(shí)和傳感）[1,2]來(lái)實(shí)現(xiàn)的。從符號(hào)層,我們考慮幾何條件和效果的評(píng)估使用套凸多面體的表示。 這個(gè)過(guò)程的細(xì)節(jié)在2.2節(jié)給出。之間的聯(lián)系這兩個(gè)級(jí)別的表示是闡明在2.3節(jié),我們簡(jiǎn)要描述的認(rèn)知體系結(jié)構(gòu)和軟件實(shí)現(xiàn)。在本文的其余部分我們將討論KVP框架在評(píng)價(jià)機(jī)動(dòng)操縱和力傳感兩個(gè)任務(wù)規(guī)劃情節(jié)中的應(yīng)用。 2.1知識(shí)遙感規(guī)劃 KVP中的象征性規(guī)劃有由多用途的可以構(gòu)造離散的不確定規(guī)劃過(guò)程知識(shí)系統(tǒng)規(guī)劃者提供[1,2]。特別的是，過(guò)程知識(shí)系統(tǒng)可以模擬知識(shí)的獲取和知識(shí)的損失，使其適合表示傳感和感知行為。不同于許多規(guī)劃者，過(guò)程知識(shí)系統(tǒng)運(yùn)用“知識(shí)水平”推出如何策劃知識(shí)狀態(tài)，而不是世界的狀態(tài)，因?yàn)樾袆?dòng)是變化的。為此，過(guò)程知識(shí)系統(tǒng)使用一個(gè)擴(kuò)展基于一個(gè)組5個(gè)數(shù)據(jù)庫(kù)的斯坦福研究院?jiǎn)栴}解決系統(tǒng)，每個(gè)模型有一種特殊的可以解釋模態(tài)邏輯的知識(shí)。不同于那些使用世界模型或者陳述信任空間的規(guī)劃者，過(guò)程知識(shí)系統(tǒng)運(yùn)用一個(gè)第一語(yǔ)言受限制的子集，支持函數(shù)和運(yùn)行時(shí)變量,來(lái)幫助改善其推理和計(jì)劃生成過(guò)程的效率。 在這項(xiàng)工作中,我們使用在過(guò)程知識(shí)系統(tǒng)中的三個(gè)可用的數(shù)據(jù)庫(kù)：Kf，Kw和Kv，Kf數(shù)據(jù)庫(kù)包含已知的被用于模擬物理行為改變世界的影響的事實(shí)。更正式地,公式φ∈Kf表示“規(guī)劃師知道φ”這一事實(shí)。第二個(gè)數(shù)據(jù)庫(kù)Kw模擬運(yùn)行獲取信息時(shí)可以返回兩個(gè)值中的一個(gè)的行為影響。規(guī)劃期間,一個(gè)公式φ∈Kw代表規(guī)劃師知道φ的想法或?φ,然而,實(shí)際在執(zhí)行計(jì)劃時(shí)的二進(jìn)制值只會(huì)變得已知,即當(dāng)一個(gè)物理傳感器使用。最后，Kv數(shù)據(jù)庫(kù)代表在執(zhí)行時(shí)間知識(shí)函數(shù)值。因此，Kv能模擬影響感應(yīng)動(dòng)作返回一般常量（Kw相比,這只能模型傳感器與二進(jìn)制的結(jié)果）。過(guò)程知識(shí)系統(tǒng)的更多細(xì)節(jié)，請(qǐng)讀者參考之前描述的過(guò)程知識(shí)系統(tǒng)[1,2]和它在機(jī)器人學(xué)中的應(yīng)用[5]。 2.2建立凸多面體的幾何問(wèn)題 除了知識(shí)的概念，我們KVP方法的原則基礎(chǔ)是代表所有幾何對(duì)象的想法和機(jī)器人臂套凸多面體[6]。這種數(shù)據(jù)結(jié)構(gòu)可以消除離散符號(hào)和連續(xù)的幾何規(guī)劃之間的差距，有效地評(píng)估一個(gè)范圍廣泛的幾何條件和影響。 然而，在一般情況下，任意一個(gè)非凸網(wǎng)格，分解成一個(gè)小的（或最?。┑耐苟嗝骟w是一個(gè)具有挑戰(zhàn)性的問(wèn)題。雖然確切的分解問(wèn)題是眾所周知的NP-hard問(wèn)題，馬和公司最近提出的近似算法[18]，對(duì)于我們的問(wèn)題實(shí)例的類(lèi)型是足夠的效率，即分解場(chǎng)景中的機(jī)器人和對(duì)象的CAD模型。 正如我們先前描述的工作[3,6]，我們首先應(yīng)用Garland和Heckbert[19]的網(wǎng)格簡(jiǎn)化算法減少過(guò)度的CAD模型104-105的懲罰三角形。分層近似凸分解可自動(dòng)分解這些模型為≈10凸模型的20個(gè)頂點(diǎn)[18]，在≈30毫米的精度，并在幾秒鐘的時(shí)間計(jì)算。分解是一個(gè)迭代的方式進(jìn)行，搜索“三角形的對(duì)偶圖的邊凹”。搜索是由混合成本的功能為導(dǎo)向，有利于較高的局部凹凸的三角形，高寬比。然后，網(wǎng)格頂點(diǎn)的分層分割為多個(gè)凸體。實(shí)際分解后，另一個(gè)小網(wǎng)格簡(jiǎn)化可能進(jìn)一步減少頂點(diǎn)的數(shù)目。 這種表示的機(jī)器人和對(duì)象模型在手，我們可以有效地執(zhí)行所有的幾何查詢(xún)，在一個(gè)典型的機(jī)器人任務(wù)規(guī)劃方案需要（見(jiàn)圖1）。對(duì)象或?qū)ο蠛挽o態(tài)機(jī)器人之間的碰撞和夾雜物的查詢(xún)，我們可以直接利用的吉爾伯特約翰遜算法實(shí)現(xiàn)[20]（GJK）。對(duì)對(duì)象之間的碰撞查詢(xún)和掃頻連續(xù)機(jī)器人運(yùn)動(dòng)量，我們第一次品嘗機(jī)器人的姿勢(shì)和計(jì)算所涉及的掃過(guò)容積在二次收斂速度的凸分解[3]；一旦掃過(guò)容積是可用的，這個(gè)問(wèn)題同樣降低了純凸碰撞檢查。作為一個(gè)結(jié)果，我們的kVp的結(jié)構(gòu)特征的一種非常有效的所有幾何查詢(xún)我們的領(lǐng)域出現(xiàn)的實(shí)現(xiàn)。 圖2 所實(shí)現(xiàn)的kVp軟件體系結(jié)構(gòu)概述 2.3 kVp的認(rèn)知體系結(jié)構(gòu) 我們的kVp的機(jī)器人任務(wù)規(guī)劃軟件的實(shí)現(xiàn)分為幾個(gè)部分，執(zhí)行或被稱(chēng)為庫(kù)函數(shù)，如圖2所示。首先，機(jī)器人和對(duì)象的幾何量簡(jiǎn)化和分解過(guò)程中的域定義。在這個(gè)時(shí)候，機(jī)器人和對(duì)象位置的具體問(wèn)題的實(shí)例是不知道只涉及的所有卷的CAD模型，靜態(tài)參數(shù)（如機(jī)器人運(yùn)動(dòng)學(xué)），和符號(hào)域定義的謂詞，行動(dòng)，和目標(biāo)是使用。 在計(jì)劃的生成時(shí)間，PKS規(guī)劃師搜索動(dòng)作序列的符號(hào)和幾何條件的規(guī)劃師的知識(shí)狀態(tài)，滿(mǎn)足，和其執(zhí)行的狀態(tài)，實(shí)現(xiàn)目標(biāo)的條件。評(píng)估幾何條件和影響，PKS進(jìn)行直接的函數(shù)調(diào)用特定于域的運(yùn)動(dòng)規(guī)劃和碰撞檢測(cè)等功能。一個(gè)有效的象征性的行動(dòng)和機(jī)器人運(yùn)動(dòng)路徑的順序產(chǎn)生作為輸出。在運(yùn)行時(shí)，機(jī)器人運(yùn)動(dòng)路徑是通過(guò)一個(gè)簡(jiǎn)單的軌跡發(fā)生器和物理機(jī)器人實(shí)時(shí)控制的內(nèi)插。千伏峰值也允許運(yùn)行時(shí)檢測(cè)和分辨率的支鏈的計(jì)劃，在力傳感方案在3.2節(jié)后來(lái)證明。 3.評(píng)價(jià) 在我們的評(píng)價(jià)，我們實(shí)現(xiàn)了與羅勃提諾的全方位移動(dòng)平臺(tái)和武士刀五自由度機(jī)械手在移動(dòng)操作的情況下測(cè)試我們的方法，如圖1a所示。相比之下,我們簡(jiǎn)要概括的結(jié)果力傳感場(chǎng)景從早些時(shí)候的工作[6],第二個(gè)場(chǎng)景顯示了另一個(gè)有趣的交互之間相互依存的感知和操縱行為。 3.1移動(dòng)操縱場(chǎng)景 在移動(dòng)操作的情況下，一個(gè)單一的移動(dòng)機(jī)器人必須移動(dòng)一塊新的一堆n塊在保持原有秩序下（見(jiàn)圖4）。這項(xiàng)任務(wù)是定義在kVp作為移動(dòng)操縱問(wèn)題包括抓取，放置，和移動(dòng)的動(dòng)作。為PKS規(guī)劃師象征行動(dòng)定義在圖3（和一些輔助功能略為簡(jiǎn)潔）。特別是，動(dòng)作拿起和放下的先決條件，包括機(jī)器人接近的位置，并可以通過(guò)移動(dòng)接近行動(dòng)了。同時(shí)，這些行動(dòng)的前提條件和效果，確保只有一個(gè)對(duì)象可以在任何一個(gè)時(shí)間，在機(jī)器人的夾持器。謂詞是可到達(dá)的位置是一個(gè)特定于域的屬性，通過(guò)調(diào)用運(yùn)動(dòng)規(guī)劃和碰撞檢測(cè)庫(kù)評(píng)價(jià)實(shí)例，提供了象征性的規(guī)劃和運(yùn)動(dòng)控制之間的聯(lián)系。該域的在實(shí)施工作所有細(xì)節(jié)都由諾金描述[21]。 這一領(lǐng)域的目標(biāo)的條件是，所有的對(duì)象都是放在現(xiàn)場(chǎng)留下的位置在一個(gè)特定的順序棧（見(jiàn)圖4）。為了評(píng)估，但最低的對(duì)象已經(jīng)放在堆棧（圖4），所以在這種情況下，任何解決方案，包括移動(dòng)所有對(duì)象到一個(gè)不同的位置（圖4B），插入新的對(duì)象，并建立堆棧中定義的順序（圖4c）。 圖3 移動(dòng)操縱場(chǎng)景：象征性的行動(dòng)定義 表1：移動(dòng)操作方案的評(píng)價(jià)，其中n是被堆放在一個(gè)給定的順序。盡管這個(gè)問(wèn)題看似簡(jiǎn)單的解決了，找到一個(gè)正確的計(jì)劃需要一個(gè)系統(tǒng)性的搜索，任何動(dòng)作的正確順序的偏差將使目標(biāo)不可行。 這一提法，移動(dòng)操作的情況下是蘇斯曼的異常的一個(gè)典型例子[22]，正確的解決方案不能由一個(gè)本地搜索。如表1所示的評(píng)價(jià)領(lǐng)域，變得不可行，n＞8，由于一個(gè)普通的臺(tái)式電腦內(nèi)存有限。我們特意為這個(gè)例子來(lái)說(shuō)明KVP目前的限制，并激勵(lì)我們今后的工作旨在改善我們的規(guī)劃算法。 3.2力傳感方案 相反，移動(dòng)操作的情況下，為了證明的感知和操作之間的相互作用，根據(jù)我們以前的工作[6]，我們提出的第二個(gè)域。在力傳感方案（圖5A），柔性機(jī)器人有把握，提升能力，和轉(zhuǎn)移的飲料容器并定位在桌子。當(dāng)一個(gè)容器時(shí)，機(jī)器人可以感覺(jué)到它的重量，由此，原因是飲料必須直立為了避免溢出。我們的目標(biāo)是將所有容器放到第二個(gè)桌子上，如果需要機(jī)器人可以在這些運(yùn)動(dòng)過(guò)程中保持其夾立。 正式地，域的重要作用被定義如圖5b所示。只有當(dāng)一個(gè)對(duì)象被確認(rèn)不會(huì)溢漏機(jī)器人用行動(dòng)傳遞速度快可能不保持直立，。然而，由于這方面的知識(shí)，運(yùn)行時(shí)不可用，要建立感應(yīng)重力的支（分支），記錄在PKS Kw的數(shù)據(jù)庫(kù)知識(shí)建模，這是它一個(gè)對(duì)象可以溢出，以及不溢漏的情況下一個(gè)對(duì)象的原因，我們的軟件框架（圖2）執(zhí)行行動(dòng)計(jì)劃和選擇合適的分支遵循基于以前的感知行動(dòng)的運(yùn)行結(jié)果。這個(gè)方案是實(shí)現(xiàn)聯(lián)合阻抗控制和力控制輕七自由度機(jī)器人手爪的平行測(cè)試，如圖5所示。用內(nèi)轉(zhuǎn)矩傳感物體的重量的外力。 4.結(jié)論 在本文中，我們?cè)谝苿?dòng)操作領(lǐng)域提出一個(gè)應(yīng)用我們的“知識(shí)卷”的機(jī)器人任務(wù)規(guī)劃方法（KVP）。特別是，我們描述了為何認(rèn)知移動(dòng)機(jī)器人對(duì)知識(shí)的獲取和知識(shí)流失的原因，我們制定的有符號(hào)和幾何條件影響的感知和操作行為。我們的kVp的框架用結(jié)合的知識(shí)層面的規(guī)劃和凸多面體幾何判定評(píng)估的方法解決這類(lèi)問(wèn)題。 致謝 作者希望感謝基蘭菲舍爾和索倫對(duì)他們進(jìn)行實(shí)施和評(píng)估的幫助，以及馬庫(kù)斯李凱爾特他的手稿上的評(píng)論。由歐盟第七框架計(jì)劃支持這項(xiàng)研究的部分通過(guò)杰姆斯項(xiàng)目。 圖4 由一個(gè)三自由度機(jī)械手實(shí)現(xiàn)的移動(dòng)操作場(chǎng)景 圖5 在力傳感的場(chǎng)景中, 如果飲料容器被填滿(mǎn)柔性機(jī)器人能感覺(jué)到，并能保持直立移動(dòng)的同時(shí)防止溢出，除非他們是完全空的或不開(kāi)。 參考文獻(xiàn) 1. R. P. A.彼得里克 和F.巴克斯,基于知識(shí)型的方法不完整的信息和傳感的規(guī)劃在學(xué)報(bào)國(guó)際會(huì)議人工智能規(guī)劃. 212–221, 2002. 2. R. P. A.彼得里克 and F.巴克斯, 擴(kuò)展知識(shí)的方法和不完整的信息和遙感計(jì)劃國(guó)際會(huì)議論文自動(dòng)規(guī)劃和調(diào)度. 2–11, 2004. 3. A. Gaschler, R. P. A.彼得里克, T.克羅格, O.哈提卜, and A.克諾爾,機(jī)器人的任務(wù)和運(yùn)動(dòng)規(guī)劃與凸多面體的建立,機(jī)器人學(xué):科學(xué)和系統(tǒng)結(jié)合的機(jī)器人運(yùn)動(dòng)規(guī)劃和人工智能規(guī)劃的實(shí)際應(yīng)用的研討會(huì), 2013. 4. A. Gaschler, R. P. A.彼得里克, O.哈提卜, and A.克諾爾,知識(shí)卷的機(jī)器人任務(wù)規(guī)劃方法, 2014.審稿中. 5. A. Gaschler, R. P. A.彼得里克, M.茱莉亞尼, M. t里克特, 和 A.克諾爾,一個(gè)機(jī)器人任務(wù)規(guī)劃方法的知識(shí)卷, 電氣與電子工程師協(xié)會(huì)國(guó)際智能機(jī)器人和系統(tǒng)(IROS),2013. 6. A. Gaschler, R. P. A.彼得里克, T.克羅格, A.克諾爾, 和O.哈提卜,機(jī)器人任務(wù)規(guī)劃與運(yùn)行時(shí)的意外傳感,電氣與電子工程師協(xié)會(huì)國(guó)際機(jī)器人與自動(dòng)化相結(jié)合(ICRA)車(chē)間任務(wù)和運(yùn)動(dòng)計(jì)劃, 2013. 7. N. J.尼爾森, “機(jī)器人沙基” 323年科技。眾議員,人工智能中心,國(guó)際,四月. 1984. 8. L. P. Kaelbling和T. Lozano-Pérez,統(tǒng)一的看法,估計(jì)移動(dòng)操作通過(guò)信任和行動(dòng)空間規(guī)劃,在電氣與電子工程師協(xié)會(huì)機(jī)器人與自動(dòng)化國(guó)際會(huì)議上, 2012. 9. S.康邦, R.阿拉米,和F. Gravot,復(fù)雜的運(yùn)動(dòng)的混合方法,操作和任務(wù)規(guī)劃,機(jī)器人技術(shù)研究28(1). 104–126, 2009. 10. E.普拉庫(kù) 和 G. D. r海格,以抽樣為基礎(chǔ)的運(yùn)動(dòng)規(guī)劃與象征、幾何和微分約束,電氣與電子工程師協(xié)會(huì)機(jī)器人和自動(dòng)化會(huì)議, 2010. 11. C. Dornheg, M.吉斯勒, M. Teschner, and B.內(nèi)貝爾,積分符號(hào)和幾何規(guī)劃移動(dòng)操作,”電氣與電子工程師協(xié)會(huì)安全研討會(huì)安全與救援機(jī)器人. 1–6, 2009. 12. H.克雷斯-賈啟特 和 G. J.帕帕斯,國(guó)防高級(jí)研究計(jì)劃局城市挑戰(zhàn)賽自動(dòng)綜合的計(jì)劃和控制子系統(tǒng),自動(dòng)化科學(xué)與工程(CASE).電氣與電子工程師協(xié)會(huì)國(guó)際會(huì)議. 766–771, 2008. 13. C.-H.成, M. r蓋辛格, H.呂斯, C. Buckl,和 A.克諾爾,游戲工業(yè)自動(dòng)化和控制解決,電氣與電子工程師協(xié)會(huì)機(jī)器人和自動(dòng)化會(huì)議. 4367–4372, 2012. 14.F.撒加利亞, C.博斯特, 和 G. Hirzinger,彌合任務(wù)規(guī)劃和路徑規(guī)劃的差距,”電氣與電子工程師協(xié)會(huì)國(guó)際智能機(jī)器人和系統(tǒng). 4490–4495, 2006. 15. J. L.巴里,操作以不同的行動(dòng).博士論文,麻省理工學(xué)院, 2013. 16. L. P. Kaelbling 和T. Lozano-Pérez,在信念空間集成任務(wù)和運(yùn)動(dòng)計(jì)劃,” h國(guó)際機(jī)器人研究期刊32(9–10). 1194–1227, 2013. 17. R. E. ?？怂购?N. J.尼森,應(yīng)用定理證明的新方法來(lái)解決問(wèn)題,”人工智能2. 189–208, 1971. 18. K.馬穆和F. Ghorbel,一個(gè)簡(jiǎn)單而有效的方法對(duì)3D網(wǎng)格近似凸分解,”圖像處理電氣與電子工程師協(xié)會(huì)國(guó)際會(huì)議(ICIP). 3501–3504, 2009. 19. M.加蘭和P. S.赫伯特, s使用二次誤差度量表面簡(jiǎn)化,”計(jì)算機(jī)圖形學(xué)和互動(dòng)技術(shù). 209–216, 1997. 20. E. G.吉爾伯特, D. W.約翰遜, 和S. S. Keerthi,一個(gè)快速計(jì)算復(fù)雜的三維空間中的對(duì)象之間距離的過(guò)程,”機(jī)器人與自動(dòng)化,電氣與電子工程師協(xié)會(huì)日?qǐng)?bào) 4(2). 193–203, 1988. 21. S. Nogina,任務(wù)規(guī)劃移動(dòng)操作場(chǎng)景. s碩士論文,慕尼黑工業(yè)大學(xué), 2013. 22. G. J.薩斯曼,獲得技能的計(jì)算模型.博士論文,麻省理工學(xué)院, 1973.虛擬目錄.相比卷. 9025 90250D-7