Planning in hybrid systems with both discrete and continuous control variables is important for dealing with real-world applications such as extra-planetary exploration and multi-vehicle transportation systems. Meanwhile, generating high-quality solutions given certain hybrid planning specifications is crucial to building high-performance hybrid systems. However, since hybrid planning is challenging in general, most methods use greedy search that is guided by various heuristics, which is neither complete nor optimal and often falls into blind search towards an infinite-action plan. In this paper, we present a hybrid automaton planning formalism and propose an optimal approach that encodes this planning problem as a Mixed Integer Linear Program (MILP) by fixing the action number of automaton runs. We also show an extension of our approach for reasoning over temporally concurrent goals. By leveraging an efficient MILP optimizer, our method is able to generate provably optimal solutions for complex mixed discrete-continuous planning problems within a reasonable time. We use several case studies to demonstrate the extraordinary performance of our hybrid planning method and show that it outperforms a state-of-the-art hybrid planner, Scotty, in both efficiency and solution qualities.


翻译:具有离散和连续控制变量的混合系统规划对于处理行星外探索和多车辆运输系统等现实应用十分重要。与此同时,根据某些混合规划规格,产生高质量的解决方案对于建设高性能混合系统至关重要。然而,由于总体而言混合规划具有挑战性,大多数方法使用由各种休眠法指导的贪婪搜索,这种搜索既不完整也不理想,而且往往会盲目地寻找一个无限行动计划。在本文中,我们提出了一个混合自动地图规划形式主义,并提出了一个最佳方法,通过确定自动运行的混合内径仪(MILP)将这一规划问题编码为混合内径仪(MILP),从而确定自动运行的操作操作的操作数量。我们还展示了我们推理超时间并行目标的方法的延伸。通过利用高效的混合内断层优化器,我们的方法能够在合理的时间内产生复杂混合的离心规划问题的最佳解决方案。我们用几个案例研究来证明我们混合规划方法的特别性,并表明它超越了效率和解决方案的质量。

0
下载
关闭预览

相关内容

【2021新书】流形几何结构,322页pdf
专知会员服务
52+阅读 · 2021年2月22日
小米在预训练模型的探索与优化
专知会员服务
18+阅读 · 2020年12月31日
专知会员服务
50+阅读 · 2020年12月14日
【CORL2020最佳系统论文奖】可扩展多智能体强化学习学校
专知会员服务
17+阅读 · 2020年11月30日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
143+阅读 · 2019年10月12日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
基于 Carsim 2016 和 Simulink的无人车运动控制联合仿真(四)
【OpenAI】深度强化学习关键论文列表
专知
11+阅读 · 2018年11月10日
机器人开发库软件大列表
专知
10+阅读 · 2018年3月18日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
多轮对话之对话管理:Dialog Management
PaperWeekly
18+阅读 · 2018年1月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Arxiv
0+阅读 · 2021年4月14日
VIP会员
相关资讯
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
基于 Carsim 2016 和 Simulink的无人车运动控制联合仿真(四)
【OpenAI】深度强化学习关键论文列表
专知
11+阅读 · 2018年11月10日
机器人开发库软件大列表
专知
10+阅读 · 2018年3月18日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
多轮对话之对话管理:Dialog Management
PaperWeekly
18+阅读 · 2018年1月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员