[論文レビュー] Accelerating Integrated Task and Motion Planning with Neural Feasibility Checking

Lei Xu, Tianyu Ren+2 more|arXiv (Cornell University)|Mar 20, 2022

Human Pose and Action Recognition被引用数 8

ひとこと要約

本論文は、タスクとモーションプランニング（TAMP）における動作可能性を予測するCNNベースのニューラルフィエイビリティクラスファイアー（NFC）を提案する。オブジェクト中心の深度画像を用いることで、モーションプランニングの前に非可能性な動作をフィルタリングし、計画時間を顕著に短縮する。NFCはロボットの全作業領域にわたり一般化可能であり、モーションプランニング時間は平均63.5%短縮され、未学習のシナリオでは8%の偽陰性率を達成した。

ABSTRACT

As robots play an increasingly important role in the industrial, the expectations about their applications for everyday living tasks are getting higher. Robots need to perform long-horizon tasks that consist of several sub-tasks that need to be accomplished. Task and Motion Planning (TAMP) provides a hierarchical framework to handle the sequential nature of manipulation tasks by interleaving a symbolic task planner that generates a possible action sequence, with a motion planner that checks the kinematic feasibility in the geometric world, generating robot trajectories if several constraints are satisfied, e.g., a collision-free trajectory from one state to another. Hence, the reasoning about the task plan's geometric grounding is taken over by the motion planner. However, motion planning is computationally intense and is usability as feasibility checker casts TAMP methods inapplicable to real-world scenarios. In this paper, we introduce neural feasibility classifier (NFC), a simple yet effective visual heuristic for classifying the feasibility of proposed actions in TAMP. Namely, NFC will identify infeasible actions of the task planner without the need for costly motion planning, hence reducing planning time in multi-step manipulation tasks. NFC encodes the image of the robot's workspace into a feature map thanks to convolutional neural network (CNN). We train NFC using simulated data from TAMP problems and label the instances based on IK feasibility checking. Our empirical results in different simulated manipulation tasks show that our NFC generalizes to the entire robot workspace and has high prediction accuracy even in scenes with multiple obstructions. When combined with state-of-the-art integrated TAMP, our NFC enhances its performance while reducing its planning time.

研究の動機と目的

• 統合タスクとモーションプランニング（TAMP）におけるモーションプランニングの高い計算コストを解消し、実世界への適用可能性を高めること。
• 非可能性な動作シーケンスを早期に同定することで、TAMPにおける探索空間を縮小し、非可能プランに対する高コストなモーションプランニングを回避すること。
• シナリオごとに再訓練が不要な、一般化可能で効率的な可能性予測器を構築すること。
• 最新のTAMP手法（例：IDTMP）の効率性とスケーラビリティを向上させるために、高速で学習可能な可能性チェック機構を統合すること。

提案手法

• ターゲットオブジェクトの周囲0.5m×0.5mの局所的でオブジェクト中心の深度画像を用いて、動作可能性を分類する畳み込みニューラルネットワーク（CNN）を学習する。
• 逆運動学（IK）の可能性チェックに基づくラベルを有するシミュレーテッドTAMPデータを用いてNFCを学習する。
• NFCをモーションプランニングの前処理として統合：予測された可能性が0.5より高い計画のみがモーションプランナーに渡される。
• 非可能動作シーケンスを早期にフィルタリングするために、しきい値β > 0.5を用いることで、モーションプランニングの呼び出し回数を削減する。
• 複数の障害物を含む多様なシミュレーテッドシーンを用いて学習することで、3次元デカルト作業領域全体にわたり一般化可能なNFCを設計する。
• グローバルなシーンビューではなく、局所的で小規模な解像度の画像に焦点を当てることで、推論コストとメモリ使用量を最適化する。

実験結果

リサーチクエスチョン

• RQ1 学習ベースのビジョンによる分類器は、多様なロボット作業領域にわたり高い精度と一般化性能を発揮し、TAMPにおける動作可能性を予測できるか？
• RQ2 本手法のNFCは、Deep Visual Heuristics（DVH）と比較して、学習効率、推論速度、メモリ使用量の面でどのように優れているか？
• RQ3 NFCは、長時間スケジューリングタスクにおいて、解の完全性を損なわせることなく、どの程度モーションプランニング時間を短縮できるか？
• RQ4 NFCは、ターゲットオブジェクトを遮蔽する障害物を含む未学習のシナリオに対しても、どの程度一般化できるか？
• RQ5 NFCは再訓練なしに複数のロボット作業領域に展開可能であり、広範な適用性を有するか？

主な発見

• NFCは100個のランダムに抽出されたシナリオにおける「Unpack」問題において、平均してモーションプランニング時間を63.5%短縮した。
• NFCを用いない場合の平均モーションプランニング呼び出し回数26回が、NFCを用いることで1問題あたりわずか2回にまで減少した。
• NFCは8%の偽陰性率を達成しており、誤って非可能と誤判定されるシナリオは8%にとどまる。
• NFCはDVHをすべての効率指標で上回った：1万サンプルあたりの学習時間は3.0秒（DVHは22.5秒）、320×240解像度におけるRAM使用量は0.19GB（DVHは1.43GB）。
• モデルは複数の障害物や異なるテーブル位置を含むシーンを含め、3次元作業領域全体にわたり効果的に一般化した。
• NFCを統合したIDTMPは、高い解品質を維持しながら計画時間に顕著な高速化を達成し、実世界への実用的適用可能性を示した。