[論文レビュー] A novel Skill-based Programming Paradigm based on Autonomous Playing and Skill-centric Testing

Simon Hangl, Andreas Mennel+1 more|arXiv (Cornell University)|Sep 18, 2017

Robot Manipulation and Learning参考文献 15被引用数 6

ひとこと要約

本論文は、初心者ユーザーが視覚プログラミングと運動的指導を用いて基本的な行動を定義し、その後ロボットが自律的遊びを通じて一般化するという、画期的なスキル中心のプログラミングパラダイムを提案する。このフレームワークは、エキスパート知識を必要とせずにソフトウェアバグを検出できるスキル中心のテストを統合しており、ロボットプログラミングの入り口を著しく下げ、非エキスパートが堅牢なロボットスキルを開発・デバッグできるようにする。

ABSTRACT

We introduce a novel paradigm for robot pro- gramming with which we aim to make robot programming more accessible for unexperienced users. In order to do so we incorporate two major components in one single framework: autonomous skill acquisition by robotic playing and visual programming. Simple robot program skeletons solving a task for one specific situation, so-called basic behaviours, are provided by the user. The robot then learns how to solve the same task in many different situations by autonomous playing which reduces the barrier for unexperienced robot programmers. Programmers can use a mix of visual programming and kinesthetic teaching in order to provide these simple program skeletons. The robot program can be implemented interactively by programming parts with visual programming and kinesthetic teaching. We further integrate work on experience-based skill-centric robot software testing which enables the user to continuously test implemented skills without having to deal with the details of specific components.

研究の動機と目的

• 低レベルのロボットの複雑さを抽象化することで、初心者ユーザーのロボットプログラミングの障壁を低減すること。
• エキスパートが設計したコントローラーを必要とせずに、多様な状況におけるスキルの一般化に取り組むこと。
• ロボットソフトウェアコンponentsの深い知識がなくても、非エキスパートがロボットスキルを実装・テストできるようにすること。
• 自律的遊びによるスキルの自動習得を統合し、基本的行動の適用範囲を拡張すること。
• 手動でのテストケース作成を必要とせず、経験に基づいた自動テストによってロボットプログラムのソフトウェアバグを特定すること。

提案手法

• ユーザーは、単一の状況での簡単なタスク実行のためのドラッグアンドドロップコンポーネントを備えた視覚プログラミングインターフェースを用いて、基本的なロボット行動を定義する。
• 運動的指導を用いて軌道を示し、再利用・適応に適した動的移動プリミティブ（DMPs）を用いてそれをエンコードする。
• ロボットは「遊び」を通じて、代替の行動シーケンスを自律的に探索し、新しい状況への基本的行動の一般化を図る。
• 自律的遊び中に収集されたセンサデータを活用して、障害を検出し、障害のあるコンponentを特定する自動テストをトリガーする。
• スキル中心のテストフレームワークは、潜在的に不具合のある関数を自動で特定し、デバッグのための提案を提供することで、エキスパートによるデバッグに依存する必要を減らす。
• フレームワークはハイブリッド実装をサポートする：単純な行動は視覚的／運動的手段で、複雑または低レベルの関数はエキスパートによる実装と再利用を行う。

実験結果

リサーチクエスチョン

• RQ1 どのような直感的なインタラクションパラダイムを用いれば、非エキスパートがロボットプログラミングにアクセスできるようになるか？
• RQ2 自律的遊びによって、多様な環境的条件下で基本的ロボット行動をどの程度一般化できるか？
• RQ3 手動でのテストケース作成を必要とせず、経験に基づいた自動テストがロボットプログラムにおけるソフトウェアの回帰を検出できるか？
• RQ4 視覚プログラミングと運動的指導を自律的学習と効果的に統合することで、スキルエンジニアリングの負担をどの程度軽減できるか？
• RQ5 自動診断は、ロボットソフトウェアシステムにおける不具合のあるコンponentの特定と分離に、どのような役割を果たせるか？

主な発見

• フレームワークは、非エキスパートユーザーが視覚プログラミングと運動的指導のみを用いて、本の把持やタワーの分解といった基本的ロボット行動を実装することに成功した。
• 自律的遊びにより、ロボットは新しい状況への基本的行動の一般化を可能にした。例えば、繰り返し押すことで本を適切な向きに回転させ、把持する方法を学習した。
• システムは、ロボットが自律的に効果的な戦略を発見できることを示した。たとえば、繰り返しピックアンドプレース操作を行う前に、突く動作でタワーハイドの高さを推定する戦略を発見した。
• スキル中心のテストフレームワークは、プランナの切り替えなどの行動変更後に潜在的なソフトウェア障害を正常に特定し、デバッグのための実行可能な提案を提供した。
• 微細な制御（例：ばね定数の調整や軌道形状の制御）を要する複雑なスキルは、視覚プログラミングでの完全な実装が不可能であり、エキスパートによる実装を必要とした。これは、ハイブリッド作成の必要性を裏付けた。
• 自律的遊びとテストの統合により、スキル開発およびデバッグにおけるエキスパートの干渉が著しく減少し、アクセシビリティと保守性が向上した。