通过离散接触推动在可移动障碍物中操纵可行导航

在具有大型可移动障碍物的环境中，仅绕道导航可能效率低下甚至不可行，而障碍物交互需要对导航效益、可行的放置和可执行的操作进行推理。我们提出了一种用于移动机械臂的可移动障碍物之间的分层导航（NAMO）框架。在高层，规划器从参考路径中识别关键的阻碍障碍物，并搜索共同满足几何、操作和下游导航约束的重新定位计划。当直接重定位受到其他可移动物体的阻碍时，有选择地调用大语言模型（LLM）来推断辅助操作依赖性，然后通过确定性几何规划进行验证。为了执行由此产生的重定位目标，我们在盒状障碍物的表面上定义离散接触模式，并根据位置和方向误差在线选择接触面和区域，通过接触切换实现直推、侧推和角推。循环强化学习策略协调移动底座和操纵器来跟踪工具中心点（TCP）目标，同时在持续推动期间保持末端执行器的可达性。仿真和真实机器人实验证明了在绕行、单障碍物和多障碍物重定位以及依赖性约束场景中可行的导航操纵，验证了具有大型不可抓取障碍物的交互式导航框架。该开源项目可从此 https URL 获取。