[論文レビュー] Design of a Multi-Modal End-Effector and Grasping System: How Integrated Design helped win the Amazon Robotics Challenge

S. Wade-McCue, N. Kelly-Boxall+20 more|arXiv (Cornell University)|Oct 4, 2017

Robot Manipulation and Learning参考文献 15被引用数 17

ひとこと要約

本論文では、吸引グリッパーと並行ジョイントグリッパーを統合したマルチモーダルエンドエフェクタと、マルチレベルのグリップ合成アルゴリズムを組み合わせることで、ごみだらけの倉庫環境でも頑健なグリッピングを実現する。このシステムは、戦略的な冗長性と統合されたハードウェア・ソフトウェア設計のおかげで、2017年アマゾンロボティクスチャレンジにおいて、ごみのない環境では90%、ごみのある環境では83%の成功率を達成し、優勝した。

ABSTRACT

We present the grasping system and design approach behind Cartman, the winning entrant in the 2017 Amazon Robotics Challenge. We investigate the design processes leading up to the final iteration of the system and describe the emergent solution by comparing it with key robotics design aspects. Following our experience, we propose a new design aspect, precision vs. redundancy, that should be considered alongside the previously proposed design aspects of modularity vs. integration, generality vs. assumptions, computation vs. embodiment and planning vs. feedback. We present the grasping system behind Cartman, the winning robot in the 2017 Amazon Robotics Challenge. The system makes strong use of redundancy in design by implementing complimentary tools, a suction gripper and a parallel gripper. This multi-modal end-effector is combined with three grasp synthesis algorithms to accommodate the range of objects provided by Amazon during the challenge. We provide a detailed system description and an evaluation of its performance before discussing the broader nature of the system with respect to the key aspects of robotic design as initially proposed by the winners of the first Amazon Picking Challenge. To address the principal nature of our grasping system and the reason for its success, we propose an additional robotic design aspect `precision vs. redundancy'. The full design of our robotic system, including the end-effector, is open sourced and available at http://juxi.net/projects/AmazonRoboticsChallenge/

研究の動機と目的

• 多様で構造のない物品を、ごみの多い倉庫のバケツ内で扱える、頑健で自律的なグリッピングシステムの開発。
• 構造のない環境において単一のグリッピングモードに限界があることを補うために、マルチモーダルエンドエフェクタ設計を導入すること。
• ハードウェアおよびソフトウェアの両方の冗長性を通じて、システムの信頼性と成功率を向上させること。
• 実世界のロボット操作タスクにおける統合設計原則の有効性を検証すること。
• 「正確さ対冗長性」という新しいロボット設計の次元を提唱し、実証すること。

提案手法

• 手首に取り付けられたツール交換機構を介して駆動される、吸引ツールと並行ジョイントグリッパーを統合したハイブリッドエンドエフェクタの設計。
• 視覚的情報のレベルに応じて最適化された3種類の異なるグリップ合成アルゴリズムの実装：完全な3次元点群、部分的な2次元画像、低情報状況。
• 3次元印刷を活用して、ハードウェアとソフトウェア開発の間に密接な結合を実現する、迅速な統合的メカニカルプロトタイピングを支援。
• 運動計画の簡素化と計算複雑性の低減を目的として、直行座標系マニピュレータの採用。
• 高価なセンサを最小限に抑え、代わりに機械的統合と冗長性に依存することで、耐障害性を高めるフィードバック制御の適用。
• 試行錯誤によるグリップ選択の時間を減らすために、コンテスト中は手動でグリップタイプを割り当てた。

実験結果

リサーチクエスチョン

• RQ1 多様な物体タイプが存在する構造のないごみだらけの倉庫環境において、ロボットグリッピングシステムはどのように高い成功率を達成できるか？
• RQ2 吸引とグリッパーの複数のグリッピングモダリティを統合することで、システムの頑健性と成功率はどの程度向上するか？
• RQ3 ハードウェアおよびソフトウェアの両方の冗長性は、システムの信頼性とパフォーマンスにどのように寄与するか？
• RQ4 特にハードウェアとソフトウェアの統合設計は、実世界のロボットチャレンジにおける高性能を達成するためにどのような役割を果たすか？
• RQ5 「正確さ対冗長性」という概念を、ロボットシステム設計の新しい軸として形式化できるか？

主な発見

• アマゾンロボティクスチャレンジにおいて、本システムはごみのない環境で90%、ごみのある環境で83%の成功率を達成した。
• 吸引グリッパーと並行グリッパーの統合により、多様な物体タイプにわたる頑健性が著しく向上した。
• 冗長なグリップ合成アルゴリズムの使用により、視覚的情報のレベルが変動する状況でも適応可能となり、不確実性下での信頼性が向上した。
• 3次元印刷と機械的統合によって可能になったハイブリッドエンドエフェクタ設計により、迅速な反復開発と高パフォーマンスが実現され、高精度センサへの過度な依存を回避した。
• 優勝パフォーマンスは、戦略的な冗長性と統合設計の活用に起因し、特に高価な精密部品への依存を最小限に抑えた点が特徴であった。
• 著者らは、正確さよりも冗長性を重視するシステムが、低コストかつより高い耐障害性を実現しながらも、高いパフォーマンスを達成できることを明確に示した。