💻 computer science

Effective Task Planning with Missing Objects using Learning-Informed Object Search

该论文提出了一种基于模型的学习引导对象搜索（LIOS）任务规划框架，通过将对象搜索策略作为确定性动作融入高层规划，有效解决了移动机器人在对象位置未知情况下的任务规划难题，并在仿真与真实环境中显著优于现有基线方法。

原作者： Raihan Islam Arnob, Max Merlin, Abhishek Paudel, Benned Hedegaard, George Konidaris, Gregory J. Stein

发布于 2026-02-16

📖 1 分钟阅读☕ 轻松阅读

原作者： Raihan Islam Arnob, Max Merlin, Abhishek Paudel, Benned Hedegaard, George Konidaris, Gregory J. Stein

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文讲述了一个关于**机器人如何像人类一样“边找边做”**的聪明故事。

想象一下，你让一个机器人去厨房帮你做一顿丰盛的早餐（比如煎蛋、烤面包、倒咖啡）。在传统的机器人世界里，如果它不知道鸡蛋和咖啡粉具体放在哪个柜子里，它通常会直接“死机”或者乱撞，因为它假设自己必须拥有全知全能的地图才能开始工作。

这篇论文提出了一种新方法，让机器人变得像一位经验丰富的老管家，即使不知道东西在哪，也能高效地完成任务。

核心比喻：把“寻找”变成“打包好的快递”

1. 传统方法的困境：盲人摸象

以前的机器人规划器（比如 PDDL）就像是一个只相信完美地图的导航员。

问题：如果地图上没标出“咖啡机”在哪，导航员就会说：“我无法规划路线，因为信息不全。”
现状：机器人要么不敢动，要么盲目地一个柜子一个柜子地翻（就像你找不到钥匙时，把整个沙发都拆了），效率极低。

2. 这篇论文的妙招：LIOS（学习驱动的搜索）

作者发明了一种叫LIOS（Learning-Informed Object Search）的技术。我们可以把它想象成机器人脑子里装了一个**“超级直觉”**。

直觉（学习）：机器人通过“读书”（在虚拟家里训练了 500 次），学会了常识。比如：“如果我要找咖啡，它大概率在厨房的柜子里，而不是卧室的床上；如果找手机，它可能在床头柜或桌子上。”
打包（抽象）：这是最关键的一步。作者把“寻找物体”这个复杂、充满不确定性的过程，打包成了一个**“确定性”的超级动作**，叫 find（寻找）。
- 对高层规划器来说，这个 find 动作就像按下一个按钮一样简单：“我要找咖啡，执行 find 动作”。
- 规划器不需要知道机器人具体会翻几个柜子，它只需要知道：“这个动作大概要花多少钱（时间/精力），并且大概率能成功。”

3. 决策的智慧：算账与排兵布阵

有了这个“超级直觉”和“打包动作”，机器人就能做两件以前做不到的聪明事：

决定“找什么”：
- 场景：你需要找“面包”或“牛奶”中的任意一个。
- 旧方法：随便选一个，或者按距离最近选。
- 新方法：机器人会算账：“面包在厨房柜子里的概率是 90%，找它只要 10 秒；牛奶在冰箱里的概率是 50%，找它可能要翻遍冰箱。所以我先找面包，因为更划算。”
决定“什么时候找”：
- 场景：你要做早餐，需要面包、鸡蛋和咖啡。
- 旧方法：可能先跑去卧室找鸡蛋，发现没有，再跑回厨房找面包。
- 新方法：机器人会规划一条最优路线：“先去厨房，因为那里有面包和咖啡的高概率点，顺便把这两个都找了，最后再去卧室找鸡蛋。”

实验结果：从“笨拙”到“精明”

作者在模拟的虚拟房子（PROCTHOR）和真实的波士顿动力 Spot 机器人身上做了测试：

找东西更快：在找单个物体时，他们的机器人比那些只会“盲目翻找”的机器人快了60%。就像老管家知道钥匙通常挂在门边，而不是在冰箱里。
做任务更顺：在复杂的“做早餐”或“送咖啡”任务中，他们的机器人不仅成功率更高，而且花费的时间更少。
- 真实案例：在一个真实房间里，其他机器人为了找两个东西，翻遍了 9 个柜子，花了 5 分钟。而这篇论文的机器人，利用“直觉”判断出目标最可能在厨房，只翻了 2 个柜子，174 秒就搞定了。

总结：为什么这很重要？

这就好比给机器人装上了**“经验”和“算盘”**：

经验：通过机器学习，它知道东西通常藏在哪（比如剪刀在抽屉，而不是在花盆里）。
算盘：它能计算“为了找这个东西，我值得花多少时间”，从而决定是先找这个还是先找那个。

一句话总结：
这篇论文让机器人不再是一个死板的执行者，而是一个懂得“先观察、再决策、最后行动”的聪明管家。即使面对未知的混乱环境，它也能通过“边找边做”的策略，高效地帮你把饭做好、把咖啡端来。

论文技术总结：基于学习引导的对象搜索进行缺失对象的有效任务规划

1. 研究背景与问题定义 (Problem)

核心挑战：
移动机器人的任务规划（Task Planning）通常假设环境是完全已知的（Full Knowledge）。然而，在现实世界（如家庭环境）中，机器人往往面临部分可观测性的问题，即任务关键对象（如“咖啡粉”、“苹果”）的具体位置是未知的。

现有方法的局限性：

传统规划器（如 PDDL/FASTDOWNWARD）： 假设环境完全已知，无法处理对象缺失的情况。
概率规划（POMDP）： 虽然能处理不确定性，但在大规模、复杂的环境（如家庭尺度）中计算成本过高，难以扩展。
独立的学习型对象搜索模块： 现有的基于学习的搜索方法（如利用深度强化学习或大模型）通常作为独立工具运行，缺乏与高层任务规划器的无缝集成。规划器无法知道“应该搜索哪个对象”以及“何时搜索”，导致无法在任务执行中动态权衡搜索与执行的顺序。

具体问题：
如何在对象位置未知的情况下，让机器人高效地决定：

如何快速找到缺失对象？
搜索哪些对象（在多个候选对象中）？
何时在执行计划中启动搜索？

2. 方法论 (Methodology)

作者提出了一种**学习引导的对象搜索（Learning-Informed Object Search, LIOS）**框架，将随机性的搜索行为封装为确定性的“查找（find）”动作，从而兼容现有的高效确定性规划器。

2.1 核心抽象：确定性查找动作 (Deterministic Find Action)

为了解决搜索动作的随机性与规划器要求的确定性之间的矛盾，作者定义了一个高层动作 find：

输入： 目标对象、起始位置、目标位置。
行为： 机器人从起始位置出发，搜索容器直到找到对象，拾取对象，并移动到目标位置。
特性： 在高层规划中，该动作被视为确定性的（即一旦执行，对象必然被找到并移动到位）。
代价： 该动作附带一个期望代价（Expected Cost），用于指导规划器进行决策。

2.2 学习引导的对象搜索策略 (LIOS Policy)

为了实例化 find 动作并计算其期望代价，作者设计了 LIOS 策略：

概率预测模型： 利用监督学习（全连接神经网络 + Sentence-BERT 编码）预测目标对象在特定容器（如冰箱、桌子）中出现的概率 $P_{FOUND}$ 。训练数据来自 PROCTHOR 生成的 500 个环境地图。
基于模型的规划： 结合预测概率和移动/搜索成本，使用贝尔曼方程（Bellman Equation）计算最优搜索策略 $\pi_o$ $π_{o}$ 的期望代价 $Q_{\pi_o}$ $Q_{π_{o}}$ 。
- 公式逻辑： $Q = \text{移动成本} + \text{搜索成本} + P_{FOUND} \times (\text{拾取成本} + \text{移动至目标成本}) + (1-P_{FOUND}) \times Q_{\text{剩余状态}}$ 。
封装随机性： LIOS 策略作为一个闭环控制策略运行，直到找到对象为止。高层规划器只需关注该动作的期望代价，无需处理底层的随机搜索过程。

2.3 规划与重规划流程

初始规划： 机器人利用部分地图和 LIOS 生成的期望代价，使用 PDDL 求解器（如 FASTDOWNWARD）生成包含 find 动作的初始任务计划。
执行与重规划： 机器人执行计划。当发现新对象或容器被搜索后，环境状态更新，机器人进行重规划（Replanning），利用新信息优化后续步骤。
计算优化： 为减少计算量，LIOS 策略仅在需要时重新计算，且仅考虑最近的 8 个未搜索容器。

3. 关键贡献 (Key Contributions)

新颖的抽象机制： 提出了将随机性的对象搜索封装为确定性高层动作（find）的方法，成功弥合了学习型搜索模块与传统符号规划器之间的鸿沟。
学习引导的搜索策略 (LIOS)： 开发了一种结合数据驱动概率预测和模型规划的策略，不仅能高效找到对象，还能提供准确的期望代价估计。
解决“搜什么”与“何时搜”的问题： 利用 LIOS 计算的期望代价，高层规划器能够智能地决定搜索对象的优先级（例如：先找容易找到的对象）和搜索时机，从而最小化整体任务成本。
兼容性与可扩展性： 该方法兼容现有的高效确定性规划器（如 PDDL 求解器），无需重新设计底层求解算法，即可处理大规模家庭环境下的不确定性任务。

4. 实验结果 (Results)

实验在模拟环境（PROCTHOR）和真实世界（Boston Dynamics Spot 机器人）中进行。

4.1 对象搜索性能 (Object Search)

对比基线： 贪婪策略（Greedy，搜索最近的未搜索容器）。
结果： LIOS 策略在 200 次测试中，相比贪婪基线降低了 59.9% 的搜索成本。LIOS 能根据预测概率直接前往高概率区域（如厨房），而非盲目搜索。

4.2 任务规划性能 (Task Planning)

任务场景： 包括“递送 3 个物体”、“准备早餐”、“制作咖啡”、“早餐 + 咖啡”及“三选一”等复杂长视野任务。
对比策略：
- OptGreedy/PesGreedy: 使用贪婪搜索，配合乐观/悲观的固定代价。
- OptLIOS/PesLIOS: 使用 LIOS 搜索，但使用简化的代价估计。
- ModelLIOS (本文方法): 使用 LIOS 搜索 + 基于模型计算的精确期望代价。
结果：
- ModelLIOS 在所有任务场景中均表现出最低的平均任务成本和最高的成功率。
- 在“递送 3 个物体”任务中，ModelLIOS 能根据代价优化搜索顺序，而基线方法往往顺序混乱导致成本增加。
- 在“三选一”任务中，ModelLIOS 能准确判断哪个对象最容易找到并优先搜索，显著优于其他策略。
- 在真实世界 Spot 机器人实验中，ModelLIOS 仅需搜索 2 个容器即可完成任务（耗时 174s），而基线方法需搜索 6-9 个容器（耗时 264s-311s）。

5. 意义与影响 (Significance)

理论突破： 证明了在不完全可观测环境下，可以通过“学习引导的代价估计”将随机搜索问题转化为确定性规划问题，从而利用成熟的经典规划工具。
实际应用价值： 为家庭服务机器人提供了实用的解决方案，使其能够在对象位置未知的复杂家庭环境中，自主、高效地完成如做饭、清洁等长视野任务。
未来方向： 该方法为结合大模型（LLM/Foundation Models）与经典规划器提供了新的思路，即通过封装不确定性来保持规划的可解释性和效率。

局限性：
目前 find 动作一次仅针对一个对象，缺乏在导航过程中并发搜索的能力；且对对象状态（如是否干净）的预测仍依赖乐观假设，需通过重规划修复。

总结：
该论文提出了一种高效、可扩展的框架，通过引入学习引导的搜索策略和期望代价估计，成功解决了移动机器人在对象位置未知情况下的任务规划难题，显著提升了机器人在真实家庭环境中的任务完成率和效率。