[論文レビュー] Contact Points Discovery for Soft-Body Manipulations with Differentiable Physics

Sizhe Li, Zhiao Huang+4 more|arXiv (Cornell University)|May 5, 2022

Robot Manipulation and Learning被引用数 4

ひとこと要約

本論文では、最適輸送に基づく接触点同定を用いて、ソフトボディの操作における局所最適解の問題を克服する微分可能物理フレームワークCPDeformを提案する。エンドエフェクタのための高優先度接触点を繰り返し同定することで、単段階および複数段階の変形タスクを効果的に実行可能とし、従来の微分可能物理ソルバが失敗する困難なベンチマークにおいても、著しく高い成功確率を達成する。

ABSTRACT

Differentiable physics has recently been shown as a powerful tool for solving soft-body manipulation tasks. However, the differentiable physics solver often gets stuck when the initial contact points of the end effectors are sub-optimal or when performing multi-stage tasks that require contact point switching, which often leads to local minima. To address this challenge, we propose a contact point discovery approach (CPDeform) that guides the stand-alone differentiable physics solver to deform various soft-body plasticines. The key idea of our approach is to integrate optimal transport-based contact points discovery into the differentiable physics solver to overcome the local minima from initial contact points or contact switching. On single-stage tasks, our method can automatically find suitable initial contact points based on transport priorities. On complex multi-stage tasks, we can iteratively switch the contact points of end-effectors based on transport priorities. To evaluate the effectiveness of our method, we introduce PlasticineLab-M that extends the existing differentiable physics benchmark PlasticineLab to seven new challenging multi-stage soft-body manipulation tasks. Extensive experimental results suggest that: 1) on multi-stage tasks that are infeasible for the vanilla differentiable physics solver, our approach discovers contact points that efficiently guide the solver to completion; 2) on tasks where the vanilla solver performs sub-optimally or near-optimally, our contact point discovery method performs better than or on par with the manipulation performance obtained with handcrafted contact points.

研究の動機と目的

• ソフトボディ操作中に不適切または固定された初期接触点が原因で生じる微分可能物理ソルバの局所最適解問題に対処すること。
• 標準的なソルバがしばしば完了できない、接触点の切り替えを要する複数段階のソフトボディ操作を効果的に行えるようにすること。
• 原理的で幾何学的根拠に基づき、既存の微分可能物理パイプラインと互換性を持つ接触点同定手法を開発すること。
• 新規ベンチマークPlasticineLab-Mを用いて、手作業で選定した接触点やランダムに選択した接触点と比較して、性能向上を実証すること。
• 接触点同定が単独のヒューリスティックとして機能し、単段階タスクにおけるソルバ性能を向上させられることを示すこと。

提案手法

• ウォッサーシュタイン距離（最適輸送距離）を用いて、現在の形状とターゲット形状間の輸送優先度を計算し、変形に大きな影響を与える接触点を同定する。
• これらの輸送優先度を活用してエンドエフェクタの配置をガイドし、人間の反復的接触・変形行動に類似した挙動を実現する。
• 複数段階タスク向けに、形状の進行状況に基づいて接触点を再配置することで局所最適解から脱出可能な、ヒューリスティックな反復的スイッチング機構を適用する。
• 接触点同定モジュールをスタンドアロンの微分可能物理ソルバと統合し、ソフトボディ変形タスクにおける勾配ベース最適化を可能にする。
• 粒子ベース表現を用いてソフトボディの形状差分と輸送コストを効率的に計算する。
• トラジェクトリ最適化と勾配計算に、PlasticineLabの微分可能物理シミュレータを活用する。

実験結果

リサーチクエスチョン

• RQ1 最適輸送に基づく接触点同定は、ソフトボディ操作タスクにおける微分可能物理ソルバの成功確率を向上させ得るか？
• RQ2 提案手法は、人為的介入なしに単段階タスクの適切な初期接触点を自動で同定できるか？
• RQ3 本フレームワークは、標準ソルバが局所最適解のため失敗するような、接触点の切り替えを要する複雑な複数段階タスクを処理できるか？
• RQ4 単段階タスクにおいて、接触点同定手法の性能は、手作業で選定した点やランダムに選択した点と比較してどうなるか？
• RQ5 輸送優先度に基づく反復的接触点スイッチングにより、長時間スケールの複数段階タスクがどの程度まで達成可能になるか？

主な発見

• 従来の微分可能物理ソルバが実行不可能な7つの新しい複数段階タスクにおいて、CPDeformは接触点の切り替えに耐えうる性能を示し、すべてを正常に完了した。
• 従来ソルバが部分的またはほぼ最適に動作する単段階タスクにおいて、接触点同定手法単体が、手作業で選定した接触点と同等またはそれ以上の性能を達成した。
• 最適輸送に基づく接触点同定手法は、タスク固有のチューニングを必要とせず、人為的に定義された接触点と同等またはそれ以上の性能を達成した。
• 反復的接触・変形戦略により、形状の進行状況に応じて接触点を動的に再配置することで、局所最適解からの脱出が可能になった。
• 本手法は異なるソフトボディの形状に一般化可能であり、材料固有のパrameterを必要とせず、形状とトポロジー情報のみに依存する。
• 幾何的解析としての最適輸送は、微分可能物理における接触点選択の有効なヒューリスティックであることが示された。