Push-Placement: A Hybrid Approach Integrating Prehensile and Non-Prehensile Manipulation for Object Rearrangement

📄 arXiv: 2602.13849v1 📥 PDF

作者: Majid Sadeghinejad, Arman Barghi, Hamed Hosseini, Mehdi Tale Masouleh, Ahmad Kalhor

分类: cs.RO

发布日期: 2026-02-14

备注: International Conference on Robotics and Mechatronics (ICRoM 2025)

💡 一句话要点

提出Push-Placement混合操作原语，提升物体重排任务效率

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 物体重排 混合操作原语 抓取放置 非抓取操作 蒙特卡洛树搜索 机器人 物理模拟

📋 核心要点

  1. 桌面物体重排任务面临碰撞和目标位置被遮挡的问题，传统方法需要额外的缓冲步骤。
  2. Push-placement的核心思想是利用抓取物体在放置过程中推开阻挡物，减少显式缓冲。
  3. 实验表明，该方法在机械臂移动成本方面优于基线MCTS规划器和动态堆叠方法。

📝 摘要（中文）

本文提出了一种名为push-placement的混合动作原语，用于解决桌面物体重排任务中的碰撞和临时缓冲问题。传统的抓取放置操作虽然精确，但可能需要额外的移动步骤；而非抓取式的推动操作虽然效率较高，但动态特性复杂且精度较低。Push-placement利用抓取物体在放置过程中顺势推开阻碍物，从而减少了显式的缓冲步骤。该方法被集成到基于物理引擎的蒙特卡洛树搜索（MCTS）规划器中，并在PyBullet模拟器中进行了评估。实验结果表明，与基线MCTS规划器相比，push-placement可将机械臂的移动成本降低高达11.12%，与动态堆叠相比降低8.56%。这些结果表明，混合抓取/非抓取动作原语可以显著提高长时程重排任务的效率。

🔬 方法详解

问题定义：论文旨在解决桌面环境下物体重排任务的效率问题。现有方法，如传统的抓取放置（pick-and-place）操作，虽然精确，但当目标位置被其他物体阻挡时，需要额外的步骤将阻挡物移开，导致效率降低。非抓取式的推动操作虽然可能更高效，但其动力学模型复杂，难以精确控制，也难以保证重排的可靠性。

核心思路：论文的核心思路是结合抓取放置和推动操作的优点，提出一种混合的动作原语push-placement。该方法利用机械臂抓取物体，然后在放置目标物体的同时，利用该物体去推开阻挡目标位置的物体。这样可以在一次操作中完成放置和清理阻挡物的双重任务，从而减少总的操作步骤和时间。

技术框架：该方法将push-placement动作原语集成到基于物理引擎的蒙特卡洛树搜索（MCTS）规划器中。MCTS规划器负责搜索最优的动作序列，其中动作包括传统的抓取放置和新提出的push-placement。物理引擎（PyBullet）用于模拟环境的物理交互，评估每个动作的执行结果，并为MCTS提供反馈。整体流程是：MCTS根据当前状态选择一个动作，物理引擎模拟该动作的执行，MCTS根据模拟结果更新搜索树，重复该过程直到找到最优的动作序列。

关键创新：最重要的技术创新点在于提出了push-placement这种混合的动作原语。与传统的抓取放置相比，push-placement能够在放置目标物体的同时清理阻挡物，减少了额外的缓冲步骤。与单纯的推动操作相比，push-placement利用抓取物体进行推动，可以更精确地控制推动的方向和力度，提高重排的可靠性。

关键设计：论文中没有详细描述具体的参数设置、损失函数或网络结构，因为该方法主要关注动作原语的设计和集成。MCTS规划器的具体参数设置（如探索率、搜索深度等）可能会影响最终的性能，但论文中没有给出具体数值。物理引擎的选择（PyBullet）对于模拟的真实性和效率至关重要，但论文中没有讨论其他物理引擎的适用性。

🖼️ 关键图片

fig_0

📊 实验亮点

实验结果表明，与基线MCTS规划器相比，push-placement可以将机械臂的移动成本降低高达11.12%。与动态堆叠方法相比，push-placement也能将机械臂的移动成本降低8.56%。这些结果表明，push-placement能够显著提高长时程重排任务的效率，验证了混合动作原语的有效性。

🎯 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，提高物体分拣、整理和重排的效率。例如，在电商仓库中，机器人可以利用push-placement快速整理货架上的商品，提高拣货效率。此外，该方法还可以应用于家庭服务机器人，帮助用户整理桌面、厨房等环境。

📄 摘要（原文）

Efficient tabletop rearrangement remains challenging due to collisions and the need for temporary buffering when target poses are obstructed. Prehensile pick-and-place provides precise control but often requires extra moves, whereas non-prehensile pushing can be more efficient but suffers from complex, imprecise dynamics. This paper proposes push-placement, a hybrid action primitive that uses the grasped object to displace obstructing items while being placed, thereby reducing explicit buffering. The method is integrated into a physics-in-the-loop Monte Carlo Tree Search (MCTS) planner and evaluated in the PyBullet simulator. Empirical results show push-placement reduces the manipulator travel cost by up to 11.12% versus a baseline MCTS planner and 8.56% versus dynamic stacking. These findings indicate that hybrid prehensile/non-prehensile action primitives can substantially improve efficiency in long-horizon rearrangement tasks.