[論文レビュー] Chemistry Lab Automation via Constrained Task and Motion Planning

Naruki Yoshikawa, Andrew Zou Li+7 more|arXiv (Cornell University)|Dec 19, 2022

Modular Robots and Swarm Intelligence被引用数 13

ひとこと要約

本論文は、PDDLStreamを介した制約付きタスク・モーションプランニング（TAMP）を用いて、一般用途のロボットが溶解度スクリーニングや再結晶化などのマルチステップ実験を自律的に行えるロボットフレームワークを提示する。このシステムは8-DoFロボットを用いて97%の成功を達成し、漏れを抑えて正確な注ぎ分け（液体で8.1%の誤差、粉末で8.8%）を実現した。視覚フィードバックを用いた実験により、溶解度および再結晶化実験が成功裏に実行された。

ABSTRACT

Chemists need to perform many laborious and time-consuming experiments in the lab to discover and understand the properties of new materials. To support and accelerate this process, we propose a robot framework for manipulation that autonomously performs chemistry experiments. Our framework receives high-level abstract descriptions of chemistry experiments, perceives the lab workspace, and autonomously plans multi-step actions and motions. The robot interacts with a wide range of lab equipment and executes the generated plans. A key component of our method is constrained task and motion planning using PDDLStream solvers. Preventing collisions and spillage is done by introducing a constrained motion planner. Our planning framework can conduct different experiments employing implemented actions and lab tools. We demonstrate the utility of our framework on pouring skills for various materials and two fundamental chemical experiments for materials synthesis: solubility and recrystallization.

研究の動機と目的

• 一般用途のロボットアームが、特殊でプログラミング不能なラボ機器を必要とせずに、複雑でマルチステップの化学実験を自律的に行えるようにすること。
• 制約付きモーションプランニングによる衝突回避と漏れ防止を統合することで、ラボ自動化における安全性と信頼性を向上させること。
• 視覚ベースのセンシングを用いて実験実行と結果評価のループを閉じ、リアルタイムのフィードバックを可能にすること。
• 高レベルのXDL記述を用いて、溶解度や再結晶化といった基本的な化学実験において、フレームワークの有効性を実証すること。

提案手法

• フレームワークは、PDDLStreamを用いて制約付きタスク・モーションプランニング（TAMP）を実行し、高レベルのXDL実験記述を実行可能なアクションシーケンスに変換する。
• 物体の動的特性と運動学的制約をモデル化することで、液体および粉末の漏れのない輸送を保証する制約付きモーションプランナを統合する。
• 実験状態をモニタリングするため、3次元オブジェクト検出、ポーズ推定、コンテンツセグメンテーション（例：液体の液面、濁度）の認識モジュールを統合する。
• 冗長性を追加することで、運動学的および動的制約の回避を改善し、モーションプランニングの成功確率を向上させるために8-DoFロボットアームを用いる。
• 視覚ベースのフィードバックを用いて、溶液の溶解および結晶化を検出することで、クローズドループ実行と結果の検証を可能にする。
• ソフトウェアインターフェースを通じて、ホットプレートやスケールなどの多様なラボツールを統合し、加熱、攪拌、秤量を実験中に制御する。

実験結果

リサーチクエスチョン

• RQ1 一般用途のロボットアームは、高レベルのタスク記述を用いて、複雑でマルチステップの化学実験を自律的に行えるか？
• RQ2 現実のラボ環境において、制約付きモーションプランニングは液体および粉末の移動時の漏れ防止にどの程度効果的か？
• RQ3 ロボットの自由度（7-DoFから8-DoFに）を増加させることで、制約付きモーションプランニングの成功確率にどのような影響を与えるか？
• RQ4 視覚ベースのフィードバックは、溶解や結晶化などの化学プロセスのマイルストーンを自律実験で信頼性高く検出できるか？
• RQ5 PDDLStreamを用いたTAMPパイプラインは、現実の化学ラボ環境の複雑さと多様性をどの程度処理できるか？

主な発見

• 8-DoFロボットは制約付きモーションプランニングで97%の成功率を達成し、7-DoFロボットの84%に比べ顕著に向上した。これは追加の冗長性の利点を示している。
• 注ぎ分けスキルは、液体で平均8.1%、粉末で8.8%の相対誤差を示した。これはベースライン手法の81.4%および24.1%に比べ、簡易センサでも高い精度を達成したことを示している。
• 溶解度実験では、実行時間の最適化が行われなかった場合でも、溶解度測定の誤差率が7.2%にとどまり、文献の基準値と同等の精度を示した。
• アルミニウムカリウム硫酸塩の再結晶化が成功裏に実施され、冷却後に結晶の形成が観察された。これは、温度依存の合成プロトコルを実行できる能力を確認した。
• TAMPの失敗と認識環境の不一致が主な失敗モードであり、9つの溶解度実験のうち5つが計画または認識の問題により中止された。これは、現実の実行における忠実度の課題を浮き彫りにした。