[論文レビュー] Can't Touch This: Real-Time, Safe Motion Planning and Control for Manipulators Under Uncertainty

Jonathan Michaux, Patrick Holmes+8 more|arXiv (Cornell University)|Jan 30, 2023

Formal Methods in Verification被引用数 4

ひとこと要約

本稿では、慣性パラメータの集合型不確実性下でも連続時間的安全性を保証する、リアルタイムで再帰的時間枠を用いたロボットアームの運動計画と制御フレームワークARMOURを提案する。ロバストな能動的制御、多項式ゾノトープを用いた到達可能性解析、および過剰近似された通過領域を用いた最適化を組み合わせることで、衝突回避、ジョイント制限の満足、トルク制約への準拠を保証し、シミュレーションでは92%の成功を達成し、不確実な荷重を有するKinova Gen3においても安全なリアルタイム実行を実現した。

ABSTRACT

Ensuring safe, real-time motion planning in arbitrary environments requires a robotic manipulator to avoid collisions, obey joint limits, and account for uncertainties in the mass and inertia of objects and the robot itself. This paper proposes Autonomous Robust Manipulation via Optimization with Uncertainty-aware Reachability (ARMOUR), a provably-safe, receding-horizon trajectory planner and tracking controller framework for robotic manipulators to address these challenges. ARMOUR first constructs a robust controller that tracks desired trajectories with bounded error despite uncertain dynamics. ARMOUR then uses a novel recursive Newton-Euler method to compute all inputs required to track any trajectory within a continuum of desired trajectories. Finally, ARMOUR over-approximates the swept volume of the manipulator; this enables one to formulate an optimization problem that can be solved in real-time to synthesize provably-safe motions. This paper compares ARMOUR to state of the art methods on a set of challenging manipulation examples in simulation and demonstrates its ability to ensure safety on real hardware in the presence of model uncertainty without sacrificing performance. Project page: https://roahmlab.github.io/armour/.

研究の動機と目的

• 未知の荷重質量や慣性を含む、不確実な慣性ダイナミクス下で動作するロボットアームにおける連続時間的安全性を確保する挑戦に取り組む。
• 動的不確実性やモデル誤差が存在する場合に、リアルタイムで安全性を保証できない既存手法の限界を克服する。
• リアルタイム計画とロバスト制御を統合することで、完全な動的モデルがなくても安全性を保証しつつ、性能を損なわないフレームワークを開発する。
• 非凸制約や安全でない軌道収束のため、従来のプランナが失敗する可能性がある複雑でごみだらけの環境でも安全に動作可能にする。
• 衝突回避、ジョイント制限、トルク制限のすべての安全性制約を、離散的ステップではなく連続的な時間にわたって満たすことを保証する。

提案手法

• ロボットおよび物体の慣性パラメータのすべての可能な不確実性において、一様に最悪ケースの追従誤差をバインドするロバストな能動的制御器を定式化する。
• 任意の連続的な軌道群を追跡するために必要なすべての可能な制御入力を計算するための新規な再帰的ニュートン・オルン法（PZRNEA）を導入する。
• 多項式ゾノトープを用いて、不確実性下でのアームの前方到達可能領域（通過領域）を表現・過剰近似し、効率的かつ保守的な衝突検査を可能にする。
• 過剰近似された到達可能領域を用いて、障害物回避、ジョイント位置・速度・トルク制限の連続時間制約を組み込んだ非線形最適化問題を構築する。
• 各タイムステップで再最適化を行う再帰的時間枠を実装し、すべての計画軌道にフェイルセーフブレーキング動作を組み込んで、長期的な安全性を確保する。
• 多項式ゾノトープ算術を活用し、ダイナミクスを経て不確実性を効率的に伝播させ、ロボットの運動エンベロープの保守的バウンディングを計算する。

実験結果

リサーチクエスチョン

• RQ1 集合型不確実性を伴う慣性パラメータ下で、リアルタイムの運動計画と制御フレームワークが連続時間的安全性を保証できるか？
• RQ2 ロバスト制御と到達可能性解析をどのように組み合わせれば、不確実なダイナミクス下でも有界な追従誤差を保証できるか？
• RQ3 多項式ゾノトープを用いて、計算的妥当性を保ちつつ、リアルタイムでアームの通過領域を効果的に過剰近似できるか？
• RQ4 モデル不確実性下で、最先端の手法と比較して、このフレームワークは安全性および成功確率の面でどの程度優れているか？
• RQ5 すべての計画軌道にフェイルセーフブレーキング動作を埋め込むことで、性能を損なわせずに長期的安全性を確保できるか？

主な発見

• ARMOURは、直線的高レベルプランナを用いた100件のランダム障害物シナリオにおいて92%の成功率を達成し、クラッシュや安全制約違反はゼロであった。
• 難易度の高いハード・シナリオでは、RRT*を高レベルプランナとして用いたARMOURは7つのタスクのうち6つを安全に完了し、同様の条件下でARMTDは5/7にとどまった。
• ARMOURは、不確実な質量を持つダンベルを操作するKinova Gen3ロボットを用いた実世界実験でも、クラッシュなしに安全でリアルタイムの制御を実現した。
• 平均計画イテレーション時間は364.9 msであり、標準ハードウェア上でのリアルタイム実行可能性が確認された。
• CHOMPは常に動的可解な軌道を生成したが、13%のケースで衝突に失敗し、組み込みの衝突保証が欠如していることが示された。
• 多項式ゾノトープの使用により、従来手法よりもタイトな到達可能領域の過剰近似が可能になり、安全制約に違反することなく障害物の近くをより密接に通過できるようになった。