[論文レビュー] Affordances in Robotic Tasks -- A Survey

Paola Ardón, Èric Pairet+3 more|arXiv (Cornell University)|Apr 15, 2020

Robot Manipulation and Learning参考文献 106被引用数 23

ひとこと要約

本サーベイは、先行知識のレベルに基づき、ロボティクスにおけるアフォーダンス表現の知識ベース型分類を提案する。ターゲットオブジェクト、アクション、効果の関連付けを分析し、標準化、ベンチマーク、研究の焦点に関するギャップを特定。特にマルチステップ計画とタクトイル／キネスティティックセンシング分野での不足を指摘しつつ、性能評価のための人間行動類似性指標の導入を提唱する。

ABSTRACT

Affordances are key attributes of what must be perceived by an autonomous robotic agent in order to effectively interact with novel objects. Historically, the concept derives from the literature in psychology and cognitive science, where affordances are discussed in a way that makes it hard for the definition to be directly transferred to computational specifications useful for robots. This review article is focused specifically on robotics, so we discuss the related literature from this perspective. In this survey, we classify the literature and try to find common ground amongst different approaches with a view to application in robotics. We propose a categorisation based on the level of prior knowledge that is assumed to build the relationship among different affordance components that matter for a particular robotic task. We also identify areas for future improvement and discuss possible directions that are likely to be fruitful in terms of impact on robotics practice.

研究の動機と目的

• ロボティクス分野における'アフォーダンス'の用いられ方に起因する曖昧性を解消するため、先行知識のレベルに基づく統一的な分類を提案すること。
• オブジェクト・アクション・効果の関係性と一般化能力の観点から、既存のロボティクス分野のアフォーダンス手法を分析すること。
• マルチステップアクション予測、キネスティティックティーチング、タクトイルセンシングといった、未だ十分に研究が進んでいない分野を同定すること。
• アフォーダンスに基づくロボティクスアプリケーションにおける進展を妨げる主な障壁として、標準化されたデータセットと評価指標の欠如を強調すること。
• 人間行動類似性指標（例：ハウスドルフ距離、カルバック・ライブラー情報量）を用いて、ロボットの行動を人間の基準と比較するためのベンチマーク手法を提唱すること。

提案手法

• ターゲットオブジェクト、アクション、効果を結びつけるために使用される先行知識のレベルに応じて、アフォーダンス手法を分類する。
• データ収集方法（デモンストレーション、探索、ヒューリスティクス、オフラインデータからの学習）に応じて、アプローチを分類する。
• 知覚モダリティ（視覚、タクトイル、プロ prioceptive、キネスティック）と表現タイプ（決定論的 vs. 確率論的）の両面から、メソドロジーをマッピングする。
• 図13に示す視覚的パopulationマップを用い、アフォーダンス要因ごとの使用頻度を可視化し、未開拓の分野を強調する。
• ハウスドルフ距離やカルバック・ライブラー情報量といった評価指標を提案し、ロボットの行動を人間の基準と比較する。
• ロボティクス、認知科学、AI分野の125件以上の論文をレビューし、アフォーダンスモデリング分野におけるトレンド、制限要因、研究ギャップを同定する。

実験結果

リサーチクエスチョン

• RQ1 アフォーダンス表現を、仮定される先行知識のレベルに応じて体系的に分類する方法は何か？
• RQ2 現在のアフォーダンス学習手法で主流な知覚モダリティとデータ収集方法は何か？
• RQ3 なぜアフォーダンスベースのロボティクスタスクにおいて、データセットや評価指標に標準化が欠如しているのか？
• RQ4 マルチステップアクション、モーショントラジェクトリ、タクトイルセンシングといったアフォーダンス要因は、その重要性にもかかわらずなぜ未だに研究が不足しているのか？
• RQ5 人間行動類似性指標は、ロボットのアフォーダンス性能評価をどの程度向上させ得るのか？

主な発見

• アフォーダンス研究の大部分は、視覚的知覚と画像ベースのラベルを用い、決定論的モデリングで基本的なアクション（例：押す、持ち上げる）に焦点を当てている。
• レビュー対象の10%未満の研究が、信頼性が高く耐障害性に優れるにもかかわらず、キネスティティックティーチングやタクトイルセンシングをアフォーダンス学習に組み込んでいる。
• マルチステップアクション予測やモーショントラジェクトリ学習は著しく未開拓であり、顕著な研究ギャップが存在する。
• 評価指標についての合意形成がなく、ベンチマークデータセットの欠如と標準化されたパフォーマンス比較の不在が、分野の進展を阻害している。
• ハウスドルフ距離やカルバック・ライブラー情報量といった人間行動類似性指標の活用は、より意味のある評価へ向かう有望な道筋である。
• 学習ベースおよび模倣学習ベースの手法の進展にもかかわらず、定義の不一致とコミュニティ全体での標準化の欠如により、分野全体が断片的である状態が続いている。