摘要——我们提出了一种新的任务和运动算法规划（TMP），并讨论获得TMP的健壮解决方案所必需的需求和抽象。我们的迭代深化任务和运动规划（IDTMP）与类似的、最先进的、概率完全的规划器相比，该方法是概率完全的，并提供了改进的性能和通用性。IDTMP的关键思想是利用增量约束求解来有效地添加并且在任务级别上去除对运动可行性的约束。我们在物理机械手上验证IDTMP并评估在具有许多对象和长期计划的场景上的可扩展性，显示与基准相比的数量级增益计划者和我们的四倍自我比较加速
扩展。最后，除了描述一种新的方法TMP及其在物理机器人上的实现，我们还将开发的前瞻性需求和抽象未来类似的规划者。