MEKAWIRE
ExpertenarXiv

BiPOP koordiniert lange Zweiarmaufgaben mit temporaler Planung

Kun Chu, Xufeng Zhao, Jan-Gerrit Habekost, Cornelius Weber, Stefan Wermter
In 30 Sekunden

Der Preprint BiPOP verbindet GPT-4.1 mit temporaler symbolischer Planung für die Aufgabenverteilung und Koordination zweier Roboterarme. In der Simulation erreicht das Verfahren bei ServeFruit, ServeWater und StackBlock Erfolgsraten von 100 %, 100 % und 95 %, was den Nutzen expliziter Koordinationsregeln gegenüber direkter LLM-Planung zeigt. Eine vollständige ServeWater-Demonstration auf NICOL belegt die Ausführbarkeit auf Hardware; eine reale Erfolgsrate wird nicht angegeben.

Forschungsfrage

Kann die Verbindung eines LLM mit temporaler symbolischer Planung die Zuweisung, Reihenfolge und parallele Ausführung von Aktionen bei langen Zweiarmaufgaben zuverlässig bestimmen?

Problem

Zwei Arme müssen Reichweiten, belegte Objekte und Positionen, gegenseitige Voraussetzungen sowie Synchronisation berücksichtigen. Ein einzeln plausibler Schritt kann spätere Aktionen blockieren oder mit dem anderen Arm kollidieren. Direkte LLM-Planung übersieht solche Abhängigkeiten, besonders beim Versuch, mehrere Aktionen gleichzeitig auszuführen.

Bisheriger Ansatz

SayCan, Code as Policies und VoxPoser verbinden Sprache mit Fähigkeiten oder Bewegungen, lösen aber nicht dieselbe langfristige Koordinationsaufgabe. LLM+P und verwandte Verfahren erzeugen symbolische Probleme meist für sequenzielle Abläufe. DAG-Plan und RoboPARA nutzen Abhängigkeitsgraphen, stützen die Koordination jedoch auf Heuristiken oder begrenzte Prüfungen. LLM+MAP liefert ebenfalls partielle Ordnungen, verfolgt aber nicht dasselbe explizite temporale Makespan-Ziel.

Neuer Ansatz

Eine manuell erstellte temporale PDDL-Domäne beschreibt getrennte Arbeitsbereiche für den linken und rechten Arm sowie einen gemeinsamen Bereich. Vorbedingungen und Ressourcensperren regeln Erreichbarkeit, Objektnutzung und synchronisierte Fähigkeiten. GPT-4.1 erzeugt Python-Code mit Unified-Planning für Szene und Ziel. Interpreterfehler und erfolglose Planung führen zur Überarbeitung der Spezifikation. Temporal Fast Downward sucht alternative Ablaufpläne; VAL verwirft ungültige Kandidaten. Ausgewählt wird der gefundene gültige Plan mit dem kürzesten symbolischen Makespan. LocateAnything liefert die Objektdetektionen.

Ergebnisse

In CoppeliaSim wurden je Aufgabe 100 zufällige Instanzen geprüft. Reihenfolge jeweils ServeFruit/ServeWater/StackBlock. Erfolgsraten: BiPOP 100/100/95 %, I/O o3 98/87/86 %, I/O R1 66/82/52 %, I/O GPT-4.1 25/0/0 %, ReAct GPT-4.1 100/45/36 %. Gegenüber o3 gewinnt BiPOP 2/13/9 Prozentpunkte. Planungszeiten in Sekunden: BiPOP 6,56 ±1,49 / 5,95 ±1,83 / 35,56 ±9,02; o3 32,74 ±15,39 / 43,76 ±34,86 / 73,20 ±37,85; ReAct 16,56 ±5,47 / 24,74 ±9,70 / 42,46 ±22,60. I/O GPT-4.1 ist mit 3,42 ±0,47 / 2,31 ±0,95 / 4,59 ±2,04 schneller, erreicht aber deutlich niedrigere Erfolgsraten. Separat wurde die Wahrnehmung mit 100 realen Bildern je Aufgabe geprüft. Bei ServeFruit und ServeWater wurden sämtliche relevanten Objekte korrekt lokalisiert; bei StackBlock traten Fehler am Tablett und an gestapelten Blöcken auf. NICOL führte ServeWater als Hardware-Demonstration aus. Zahl der realen Ausführungsversuche und Erfolgsrate: Im Paper nicht berichtet.

Grenzen

Der quantitative Erfolgsvergleich stammt aus der Simulation; reale Ausführung wurde für eine Aufgabe auf einer Plattform demonstriert. Domäne und atomare Fähigkeiten erfordern Handarbeit. Einheitliche Aktionsdauern messen parallele symbolische Schritte statt tatsächlicher Ausführungszeit. Der Optimalitätsabstand bezieht sich auf den besten von den Vergleichsmethoden gefundenen Plan, nicht auf ein bewiesenes Optimum. Symbolische Validierung garantiert keine kollisionsfreien Trajektorien; die Bewegungsebene kann parallele Aktionen sequenzialisieren. Bei StackBlock bleiben Spezifikationsfehler und Planungszeitüberschreitungen. Ausführungsüberwachung, Fehlerbehebung und geschätzte Bewegungsdauern sind künftige Arbeiten. Der Implementierungscode ist öffentlich verfügbar.

Bedeutung für die Branche

Entwickler zweiarmiger Serviceroboter und Anbieter von Manipulationssoftware können den Ansatz jetzt als Planungsebene für Forschungsprototypen einsetzen, sofern zuverlässige Fähigkeiten und ein begrenzter Aufgabenkatalog vorliegen. Ein Produkteinsatz erfordert robuste Szenenerfassung, geometrische Bewegungsprüfung, Ausführungsüberwachung und Fehlerbehebung sowie Zeitpläne mit realistischen Fähigkeitsdauern. Zeitplan für eine kommerzielle Einführung: Im Paper nicht berichtet.

Vollständige Studie

Veröffentlicht unter CC BY 4.0. Die vollständige Studie ist mit Namensnennung auf Englisch wiedergegeben: Volltext (Englisch). Original unter arXiv:2611.15317 (PDF).