Combined task and motion planning as classical AI planning

Abstract

Planning in robotics is often split into task and motion planning. The task planner decides what needs to be done, while the motion planner fills up geometric details. However, such a decomposition is not effective in general as the symbolic and geometrical components are not independent. This dissertations shows that it is possible to compile combined task and motion planning problems (CTMP) into classical planning problems; i.e., planning problems over finite and discrete state spaces with a known initial state, deterministic actions, and goal states to be reached. Motion planners and collision checkers are used for the compilation, but not at planning time. What makes our approach effective is 1) a fully compilation of CTMP problems into classical planning problems, 2) expressive classical planning languages for representing compiled problems, using functions and state constraints, 3) general planning algorithms capable of finding plans for CTMP problems using domain-independent heuristics.

La planificació en robòtica es divideix en planificació de tasques i planificació de moviments. El planificador de tasques decideix que és el que s’ha de fer, mentre el planificador de moviments s’encarrega dels detalls geomètrics. Aquesta descomposició no és efectiva, ja que els components simbòlics i geomètrics no són independents. En aquesta tesi, demostrem que és possible compilar problemes de planificació de tasques i moviments a problemes de planificació clàssica, és a dir, problemes sobre un espai d’estats finit, amb coneixement de l’estat inicial i accions deterministes. En aquesta proposta, els planificadors de moviments només s’utilitzen durant la compilació, no durant la cerca. El que fa aquesta tesi robusta és: 1) un procés de compilació de problemes de planificació de tasques i moviments a problemes de planificació clàssica, 2) uns llenguatges expressius per representar problemes compilats, utilitzant funcions i restriccions d’estats, 3) algorismes de cerca amb heurístiques independents del domini.