High-Performance Dual-Arm Task and Motion Planning for Tabletop Rearrangement

📄 arXiv: 2512.08206v1 📥 PDF

作者: Duo Zhang, Junshan Huang, Jingjin Yu

分类: cs.RO

发布日期: 2025-12-09

备注: ICRA 2026 Submission

💡 一句话要点

提出SDAR框架，解决复杂双臂协同桌面重排任务中的任务与运动规划问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 双臂协同 任务与运动规划 桌面重排 依赖驱动 GPU加速

📋 核心要点

  1. 现有方法难以有效解决双臂协同桌面重排中对象依赖关系复杂、规划空间巨大的难题。
  2. SDAR通过依赖驱动的任务规划器和同步双臂运动规划器紧密结合，智能筛选任务和运动规划方案。
  3. 实验表明SDAR在复杂桌面重排任务中成功率达100%，方案质量远超现有技术，并成功应用于UR-5e机械臂。

📝 摘要（中文）

本文提出了一种名为同步双臂重排规划器(SDAR)的任务与运动规划(TAMP)框架，用于桌面重排任务。在该任务中，配备双指夹持器的两个机械臂必须紧密协作，以重排起始和目标配置高度纠缠的对象。为了应对这些挑战，SDAR紧密结合了其依赖驱动的任务规划器(SDAR-T)和同步双臂运动规划器(SDAR-M)，从而智能地筛选大量可能的任务和运动规划方案。具体而言，SDAR-T应用了一种简单而有效的策略来分解由重排任务引起的全局对象依赖图，从而产生比从单臂最优任务规划方案中获得的解更优的双臂任务规划方案。SDAR-M利用最先进的基于GPU SIMD的运动规划工具，采用分层运动规划策略来筛选多个任务规划方案，以找到最佳的同步双臂运动规划方案，同时确保高成功率。综合评估表明，SDAR在解决复杂的、非单调的、长时程桌面重排任务中实现了100%的成功率，且解决方案质量远超以往的先进水平。在两个UR-5e机械臂上的实验进一步证实了SDAR可以直接且可靠地迁移到机器人硬件。

🔬 方法详解

问题定义：论文旨在解决双臂协同桌面重排任务中的任务与运动规划问题。现有方法在处理对象间存在复杂依赖关系，且需要长时间序列操作的场景下，效率和成功率较低。尤其是在非单调重排任务中，需要先将某些物体移开才能移动目标物体，这进一步增加了规划的复杂性。

核心思路：论文的核心思路是将任务规划和运动规划紧密结合，通过依赖驱动的任务规划器(SDAR-T)分解全局对象依赖图，生成更优的双臂任务规划方案。然后，利用同步双臂运动规划器(SDAR-M)筛选多个任务规划方案，找到最佳的同步双臂运动规划方案。这种紧密结合的方式可以有效地减少搜索空间，提高规划效率和成功率。

技术框架：SDAR框架主要包含两个模块：SDAR-T和SDAR-M。SDAR-T负责生成任务规划，它首先构建全局对象依赖图，然后应用分解策略生成双臂任务规划方案。SDAR-M负责生成运动规划，它采用分层运动规划策略，利用GPU加速的运动规划工具，筛选多个任务规划方案，找到最佳的同步双臂运动规划方案。整个流程是迭代进行的，SDAR-M的反馈会影响SDAR-T的任务规划。

关键创新：论文的关键创新在于将任务规划和运动规划紧密结合，并提出了一种依赖驱动的任务规划策略。传统的任务与运动规划通常是分离的，任务规划完成后再进行运动规划，这会导致效率低下。SDAR通过紧密结合这两个模块，实现了更高效的规划。此外，SDAR-T的依赖驱动策略能够有效地分解全局对象依赖图，生成更优的任务规划方案。

关键设计：SDAR-T的关键设计在于对象依赖图的构建和分解策略。对象依赖图表示了对象之间的依赖关系，分解策略用于将全局依赖图分解为更小的子图，以便生成双臂任务规划方案。SDAR-M的关键设计在于分层运动规划策略和GPU加速的运动规划工具。分层运动规划策略可以有效地减少搜索空间，GPU加速的运动规划工具可以提高运动规划的效率。具体的参数设置和损失函数等细节在论文中未详细描述，属于未知信息。

🖼️ 关键图片

img_0

📊 实验亮点

实验结果表明，SDAR在解决复杂的、非单调的、长时程桌面重排任务中实现了100%的成功率，且解决方案质量远超以往的先进水平。此外，在两个UR-5e机械臂上的实验进一步证实了SDAR可以直接且可靠地迁移到机器人硬件，验证了该算法的实用性。

🎯 应用场景

该研究成果可应用于自动化仓库、智能工厂等场景，实现高效的物体重排和装配。例如，在电商仓库中，机器人可以利用该技术快速准确地将货物从一个位置移动到另一个位置，提高仓库的运营效率。此外，该技术还可以应用于家庭服务机器人，帮助用户整理桌面或厨房等。

📄 摘要（原文）

We propose Synchronous Dual-Arm Rearrangement Planner (SDAR), a task and motion planning (TAMP) framework for tabletop rearrangement, where two robot arms equipped with 2-finger grippers must work together in close proximity to rearrange objects whose start and goal configurations are strongly entangled. To tackle such challenges, SDAR tightly knit together its dependency-driven task planner (SDAR-T) and synchronous dual-arm motion planner (SDAR-M), to intelligently sift through a large number of possible task and motion plans. Specifically, SDAR-T applies a simple yet effective strategy to decompose the global object dependency graph induced by the rearrangement task, to produce more optimal dual-arm task plans than solutions derived from optimal task plans for a single arm. Leveraging state-of-the-art GPU SIMD-based motion planning tools, SDAR-M employs a layered motion planning strategy to sift through many task plans for the best synchronous dual-arm motion plan while ensuring high levels of success rate. Comprehensive evaluation demonstrates that SDAR delivers a 100% success rate in solving complex, non-monotone, long-horizon tabletop rearrangement tasks with solution quality far exceeding the previous state-of-the-art. Experiments on two UR-5e arms further confirm SDAR directly and reliably transfers to robot hardware.