Dual-arm Cooperation for Tabletop Wiping with Temporal Object Removal

📄 arXiv: 2610.19527v1 📥 PDF

作者: Pengqi Zhang, Longchang Yu, Daohan Li, Liang Yan, Hangxin Liu

分类: cs.RO

发布日期: 2026-10-14

备注: 8 pages, 6 figures

💡 一句话要点

提出双臂协作框架以解决桌面清洁中的物体移除问题

🎯 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: 双臂协作 桌面清洁 物体重排 几何感知 任务规划 机器人技术 运动优化

📋 核心要点

  1. 现有的清洁方法通常只覆盖空旷区域，无法有效处理被物体阻挡的区域，导致清洁效率低下。
  2. 本文提出的双臂协作框架通过一只手臂重排物体，另一只手臂进行清洁，从而实现对被阻挡区域的访问。
  3. 实验结果显示，该框架在可达覆盖率和时间效率上均有显著提升，规划时间减少了9倍，执行时间缩短约40%。

📝 摘要（中文）

本文提出了一种双臂协作规划框架，用于在散乱物体存在的情况下清洁桌面表面。与传统的表面清洁策略不同，该框架明确分配一只手臂负责物体重排，另一只手臂进行清洁，从而能够访问之前被障碍物阻挡的区域。我们首先构建了一组清洁和物体重排的动作原语，并基于这些原语引入了Geo-MILP，一个几何感知的任务规划器，采用混合整数线性规划（MILP）进行建模。通过集成基于逻辑的Benders分解（LBBD），Geo-MILP迭代优化动作序列和时序，以解决几何冲突，促进清洁与物体重排之间的高效协作。仿真和实际实验表明，该框架不仅增加了可达覆盖区域，还显著提高了时间效率，相较于任务与运动规划（TAMP）基线，规划时间减少了多达9倍，执行时间缩短约40%。

🔬 方法详解

问题定义：本文旨在解决在桌面清洁过程中，因物体阻挡导致的清洁效率低下问题。现有方法往往只能绕过障碍物，无法有效清洁被阻挡区域。

核心思路：论文提出的双臂协作框架通过明确分工，一只手臂负责物体重排，另一只手臂进行清洁，能够有效访问和清洁被阻挡的区域。

技术框架：整体架构包括动作原语构建、Geo-MILP任务规划、逻辑Benders分解优化和K-Order Markov优化。首先构建清洁和重排的动作原语，然后利用Geo-MILP进行任务规划，最后通过KOMO生成平滑的无碰撞运动。

关键创新：最重要的技术创新在于Geo-MILP的引入，它结合了几何信息和逻辑优化，能够有效解决清洁与物体重排之间的冲突，提升了协作效率。

关键设计：在设计中，Geo-MILP采用混合整数线性规划形式，集成了逻辑Benders分解以优化动作序列和时序，确保了清洁过程的高效性和可行性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，所提出的框架在清洁效率上具有显著优势，相较于传统的任务与运动规划（TAMP）方法，规划时间减少了多达9倍，执行时间缩短约40%，显示出更高的时间效率和覆盖能力。

🎯 应用场景

该研究的潜在应用领域包括家庭清洁、工业清洁和服务机器人等场景。通过提高清洁效率和覆盖率，该框架能够显著提升机器人在复杂环境中的实用性，未来可能推动智能清洁设备的广泛应用。

📄 摘要（原文）

We devise a dual-arm cooperative planning framework for wiping table surface in the presence of scattered objects. Unlike conventional surface-cleaning strategies that only cover free areas and detour around obstacles, our framework explicitly assigns one arm to rearrange objects while the other performs coverage wiping, thereby enabling access to previously obstructed regions. Specifically, we first construct a set of wiping and object-rearrangement action primitives. Based on these primitives, we introduce Geo-MILP, a geometry-aware task planner formulated as Mixed-Integer Linear Programming (MILP). By integrating Logic-Based Benders Decomposition (LBBD), Geo-MILP iteratively optimizes action sequencingand timing to resolve geometric conflicts, promoting efficient cooperation between wiping and object rearrangement. We then employ K-Order Markov Optimization (KOMO) to generate smooth, collision-free motions to ensure feasible execution. Simulation and physical experiments demonstrate that the proposed framework not only increases reachable coverage by enabling access to obstructed areas, but also significantly improves time efficiency compared to Task and Motion Planning (TAMP) baselines, reducing planning time by up to 9 times and execution makespan by approximately 40%.