[論文レビュー] Autonomous Obstacle Legipulation with a Hexapod Robot

Bethany Lu, Benjamin Tam+1 more|arXiv (Cornell University)|Nov 12, 2020

Robotic Locomotion and Control参考文献 20被引用数 4

ひとこと要約

本稿では、RGB-Dビジョンと逆運動学を用いた六脚ロボットにおける自律的障害物レッグイリューション（腿による押し分け操作）のフレームワークを提示する。ポイントクラウドデータからキーポイントを抽出することで、ハンドルを用いずに障害物を横に押しのけるための脚軌道を生成し、30-DOFの六脚ロボットを用いた実験で95％の成功率を達成した。この手法により、多様な表面で安定的かつリアルタイムな操作が可能になった。

ABSTRACT

Legged robots traversing in confined environments could find their only path is blocked by obstacles. In circumstances where the obstacles are movable, a multilegged robot can manipulate the obstacles using its legs to allow it to continue on its path. We present a method for a hexapod robot to autonomously generate manipulation trajectories for detected obstacles. Using a RGB-D sensor as input, the obstacle is extracted from the environment and filtered to provide key contact points for the manipulation algorithm to calculate a trajectory to move the obstacle out of the path. Experiments on a 30 degree of freedom hexapod robot show the effectiveness of the algorithm in manipulating a range of obstacles in a 3D environment using its front legs.

研究の動機と目的

• 災害地域など閉鎖的かつ非構造的な環境において、脚立ロボットが移動可能な障害物を自律的かつ操作可能にする。
• 不連続またはごみだらけの地形において、車輪やキャタピラー式ロボットに見られる制限を克服するため、脚を移動と操作の両方の目的に活用する。
• ハンドルを排除した方法で障害物を除去することにより、システムの複雑さと搭載重量を低減する。
• リアルタイムでの脚の過負荷検出により、操作中にモーター損傷を防ぐ安全性を確保する。
• 視覚サーボイングを必要とせず、自己認識フィードバック（プロ prioceptive feedback）に依存する、知覚から行動へのパイプラインを実装することでロボットの自律性を向上させる。

提案手法

• RGB-Dセンサーを用いて六脚ロボット前方の環境の3次元ポイントクラウドデータを取得する。
• ボクセルのダウンサンプリング、パススルー、RANSACによる床面除去、ユークリッドクラスタリング、およびオクトリーラジアスサーチを適用して、最も近い障害物を特定する。
• フィルタリングされたポイントクラウドデータを基に障害物のバウンディングボックスを生成し、脚との相互作用に必要なキーポイントを特定する。
• 抽出されたキーポイントを用いて逆運動学により脚軌道を計算し、前方の脚を用いて障害物を横に押しのける。
• モーターの負荷をモニタリングし、過剰な力が加わった場合に動作を中止するように、脚の過負荷検出システムを実装する。
• 自己認識フィードバックを用いて、実行中にリアルタイムの視覚フィードバックを必要としない高レベルコントローラー（OpenSHC）により、生成された軌道を実行する。

実験結果

リサーチクエスチョン

• RQ1 六脚ロボットは、RGB-Dセンシングと脚による押し分け操作のみを用いて、移動可能な障害物を自律的に検出および軌道生成可能か？
• RQ2 本手法の知覚パイプラインは、物体の形状やサイズに関係なく、障害物の位置とキーポイントを正確に特定できるか？
• RQ3 表面の摩擦が、レッグイリューションによる障害物押しのけ操作の成功に与える影響は何か？
• RQ4 リアルタイムでの過負荷検出により、重いまたは固定された障害物の操作時にロボットに損傷を与えるのを防げるか？
• RQ5 二脚同時操作（デュアルレッグイリューション）は、より複雑な障害物クリアランスにどの程度有効であり、安定性のトレードオフは何か？

主な発見

• 知覚パイプラインは、多様な形状・サイズの物体に対してキーポイントを的確に抽出でき、正確な軌道生成を可能にした。
• マーブル、コンクリート、カーペットの各表面でも安定した障害物クリアランスが達成され、摩擦の違いに関わらず一貫した性能を示した。
• 脚の過負荷検出システムにより、重いまたは固定された障害物に直面した場合にモーター損傷を効果的に防いだ。
• 期待される脚先位置と実際の位置との間の最大追従誤差は0.02 m未満であり、視覚フィードバックなしでも十分な精度が得られた。
• 二脚同時操作は、重複しない独自の軌道を有するシミュレーションで成功したが、重心のずれや支持多角形の変化により、物理的実装では不安定だった。
• 物体2は全表面で95％の成功率で操作されたが、物体1は接触点の配置が最適でないため、たびたび転がった。