[論文レビュー] Compare Contact Model-based Control and Contact Model-free Learning: A Survey of Robotic Peg-in-hole Assembly Strategies

Jing Xu, Zhimin Hou+2 more|arXiv (Cornell University)|Apr 10, 2019

Robot Manipulation and Learning参考文献 93被引用数 84

ひとこと要約

本論文は、ロボットのネジ穴合わせ（peg-in-hole）組立戦略を調査し、従来の接触モデルに基づく制御と、2つの接触モデルフリー学習の branch（デモからの学習と環境からの学習）を比較し、統合、課題、将来の方向性について論じる。

ABSTRACT

In this paper, we present an overview of robotic peg-in-hole assembly and analyze two main strategies: contact model-based and contact model-free strategies. More specifically, we first introduce the contact model control approaches, including contact state recognition and compliant control two steps. Additionally, we focus on a comprehensive analysis of the whole robotic assembly system. Second, without the contact state recognition process, we decompose the contact model-free learning algorithms into two main subfields: learning from demonstrations and learning from environments (mainly based on reinforcement learning). For each subfield, we survey the landmark studies and ongoing research to compare the different categories. We hope to strengthen the relation between these two research communities by revealing the underlying links. Ultimately, the remaining challenges and open questions in the field of robotic peg-in-hole assembly community is discussed. The promising directions and potential future work are also considered.

研究の動機と目的

• 既存のペグインホール戦略を接触モデルベースと接触モデルフリーのカテゴリに分類する。
• モデルベースアプローチにおける接触状態認識と適合的制御を分析する。
• モデルフリーアプローチにおける学習 from demonstrations と強化学習ベースの方法を調査する。
• 伝統的なモデルとデータ駆動学習とのリンクを討議し、オープンな課題を特定する。

提案手法

• 接触モデルベースと接触モデルフリーの2つの大きなファミリに文献を分類・整理する。
• 接触モデルベース内で、接触状態認識（解析的 vs. 統計的）と適合的制御（低レベル設計と高レベル計画）を分析する。
• 接触モデルフリー内で、デモからの学習（LFD）と環境からの学習（LFE、RLとモデルベースRLの議論を含む）を区別する。
• 成功率や接触状態認識技術の計算時間など、報告された指標を用いて手法を比較する。
• モデルベースとモデルフリーの間のインタフェースを要約し、ハイブリッドアプローチと今後の研究方向を提案する。

実験結果

リサーチクエスチョン

• RQ1 ペグインホール組立における接触モデルベース制御と接触モデルフリー学習の主な特徴と限界は何か？
• RQ2 学習 from demonstrations と強化学習ベースの戦略は、堅牢性、データ効率、一般化の観点でどのように比較されるか？
• RQ3 従来の接触モデルとデモからの暗黙的モデリングの間のリンク原理は何か？
• RQ4 これらの戦略を実世界の組立に統合する際の今後の課題と方向性は何か？

主な発見

• 解析的な接触状態認識は不確実性に敏感であり、新しい環境へ一般化しづらい可能性がある。
• 統計的方法（GMM、SVM）は接触状態認識の一般化を高めるが、精度と計算のトレードオフがある。
• HMMは時系列情報を組み込み、ペグインホール組立における状態遷移認識を改善できる。
• 学習 from demonstrations と強化学習ベースの方法は、可変性と非構造化環境への柔軟な対応を提供し、LFDにはDMPs、GMMs、HMMsがエンコーディング戦略として含まれる。
• 表IIには認識手法の比較性能が報告されており、例: GMM/DSM-GMMの成功率94.4%、SVM系は64.2%、SGBは60.7%（様々なトレードオフ）。
• モデルベースRLの議論は、ペグインホールタスクで事前知識と学習を融合する利点がある可能性を示している。