[論文レビュー] Dexterous Manipulation Primitives for the Real Robot Challenge

Claire Chen, Krishnan Srinivasan+8 more|arXiv (Cornell University)|Jan 27, 2021

Robot Manipulation and Learning参考文献 4被引用数 4

ひとこと要約

本論文では、TriFingerロボットを用いて細長い直方体を操作するためのモデルベースのアプローチを提示している。3つのダイレクテス操作プリミティブ（把持、回転、再配置）を用い、軌道最適化とプリミティブの順序制御のためのステートマシンを組み合わせることで、ポーズ推定のノイズや初期状態のばらつきがある中でも、実機で一貫した結果を達成し、全タスクレベルで頑健な性能を発揮した。結果として、実機でも安定した性能を示し、第2位を獲得した。

ABSTRACT

This report describes our approach for Phase 3 of the Real Robot Challenge. To solve cuboid manipulation tasks of varying difficulty, we decompose each task into the following primitives: moving the fingers to the cuboid to grasp it, turning it on the table to minimize orientation error, and re-positioning it to the goal position. We use model-based trajectory optimization and control to plan and execute these primitives. These grasping, turning, and re-positioning primitives are sequenced with a state-machine that determines which primitive to execute given the current object state and goal. Our method shows robust performance over multiple runs with randomized initial and goal positions. With this approach, our team placed second in the challenge, under the anonymous name "sombertortoise" on the leaderboard. Example runs of our method solving each of the four levels can be seen in this video (https://www.youtube.com/watch?v=I65Kwu9PGmg&list=PLt9QxrtaftrHGXcp4Oh8-s_OnQnBnLtei&index=1).

研究の動機と目的

• 現実世界のロボット設定において、2cm×2cm×8cmの細長い直方体をダイレクテスに操作する課題に取り組む。
• 初期状態とゴールポーズのばらつきに対応できる、頑健で一般化可能な手法を開発する。
• モデルベースの計画とフィードバック制御を用いて、直方体の高精度な再配置および姿勢制御を実現する。
• 学習ベースのポリシーへの依存を最小限に抑え、物理に配慮した最適化された軌道を用いることで、現実世界での信頼性を向上させる。
• 視覚的ポーズ推定のノイズや初期状態のばらつきがある中でも、複数回の実行において一貫した性能を達成する。

提案手法

• 操作タスクを3つのコアプリミティブに分解する：把持（指先の運動により接触点に到達）、回転（テーブル上で直方体を回転）、再配置（持ち上げてゴールポーズに移動）。
• 既知の動力学、運動学、接触制約のもとで、モデルベースの軌道最適化を用いて最適な指先軌道を計算する。
• 簡略化されたインピーダンス制御器を適用し、計画された指先軌道を高い忠実度で追跡する。
• 現在の物体ポーズとゴール要件に基づいて次のプリミティブを選択するステートマシンを実装し、レベル1～3では再配置を優先し、レベル4では回転を追加する。
• 直方体の短軸に沿って、3本指のピンチグリップ用の接触点を事前に定義し、指の位置に応じて面を割り当てることで、衝突を回避する到達を保証する。
• レベル4では、位置誤差とヨー姿勢誤差を組み合わせた複合報酬関数を用い、最適化された軌道が最小誤差のゴールポーズに収束するように誘導する。

実験結果

リサーチクエスチョン

• RQ1 モデルベースでプリミティブベースのアプローチは、初期状態やゴールポーズが変動する状況下でも、実機で頑健かつ再現可能な細長い直方体の操作を達成できるか？
• RQ2 簡略化されたインピーダンス制御を用いた軌道最適化は、現実世界の動力学とセンサーノイズに対し、どの程度効果的に機能するか？
• RQ3 事前に定義されたプリミティブを用いたステートマシンは、複雑なダイレクテス操作タスクにおいて、エンドツーエンドの学習手法をどの程度上回るか？
• RQ4 ポーズ推定のノイズはモデルベースの操作システムの性能にどのように影響を与えるか？フィードバック制御や制御設計によって、その頑健性を向上させられるか？
• RQ5 学習されたポリシーと最適制御を組み合わせたハイブリッド制御ポリシーは、再配置タスクにおける定常誤差を低減できるか？

主な発見

• 本手法はReal Robot Challengeフェーズ3で第2位を獲得し、初期位置とゴール位置がランダムに変化する複数回の実行においても、高い信頼性を示した。
• ゴールごとに3回の実行を行った結果、スコアの中央値はレベル1で-3,455、レベル4で-49,773であり、スコアが低いほど誤差が大きいことを示しており、ポーズのばらつきに対しても一貫した性能を発揮した。
• 本手法は実機上ですべての3つのプリミティブ（把持、回転、再配置）を正常に実行した。特に、レベル4の成功に不可欠なのが回転プリミティブであった。
• 正確なモデル仮定がなされていたにもかかわらず、視覚トラッカーによるポーズ推定のノイズが、特に初期姿勢のばらつきが大きいレベル4において、性能のばらつきの主な要因であった。
• 再配置タスクにおいて定常誤差が観測されたため、フィードバック統合や学習による補正がさらなる精度向上に寄与する可能性がある。
• シミュレーションでテストした学習済みのPush-Turnポリシーは、最終的な実機提出では使用を中止したが、これは最適制御器が現実世界の展開において優れていることを裏付けた。