[論文レビュー] Efficient State Abstraction using Object-centered Predicates for Manipulation Planning

Alejandro Agostini, Dongheui Lee|arXiv (Cornell University)|Jul 16, 2020

Robot Manipulation and Learning参考文献 17被引用数 4

ひとこと要約

本稿では、物体中心の述語を用いた状態抽象化を提案し、ロボット工学におけるより柔軟で一般化可能な操作計画を実現する。ガウス・ミックスチャネル・モデル（GMM）を用いた信号-記号マッピングの学習により、カーネル密度推定（KDE）よりも高い精度（95%）と高速な推論を達成し、手作業で定義された述語や外部基準フレームを必要とせずに、幾何学的に一貫した計画を効率的に行える。

ABSTRACT

The definition of symbolic descriptions that consistently represent relevant geometrical aspects in manipulation tasks is a challenging problem that has received little attention in the robotic community. This definition is usually done from an observer perspective of a finite set of object relations and orientations that only satisfy geometrical constraints to execute experiments in laboratory conditions. This restricts the possible changes with manipulation actions in the object configuration space to those compatible with that particular external reference definitions, which greatly limits the spectrum of possible manipulations. To tackle these limitations we propose an object-centered representation that permits characterizing a much wider set of possible changes in configuration spaces than the traditional observer perspective counterpart. Based on this representation, we define universal planning operators for picking and placing actions that permits generating plans with geometric and force consistency in manipulation tasks. This object-centered description is directly obtained from the poses and bounding boxes of objects using a novel learning mechanisms that permits generating signal-symbols relations without the need of handcrafting these relations for each particular scenario.

研究の動機と目的

• 操作計画における観測者中心の状態表現の限界、すなわち物体の配置変化の可能性が制限されることに対処すること。
• 任意のまたは手作業で定義された述語に依存せずに、広範な幾何的関係を捉えることができる汎用的で物体中心の表現を開発すること。
• 物体のポーズとバウンディングボックスからの信号-記号マッピングを学習することで、ロボット認知アーキテクチャにおける効率的でリアルタイムな状態抽象化を実現すること。
• 人間の操作に関する神経科学的知見を用いて物理的に関連する表面（接触面や支持面）を同定することで、計画における幾何的および力の整合性を向上させること。
• メモリを多く消費し計算が重いKDEベースのマッピングを、より適応的でスケーラブルなGMMベースの学習メカニズムに置き換えること。

提案手法

• 本手法は、物体のポーズとバウンディングボックスから導出される物体中心の幾何的関係に基づいて、記号的述語（例：on, under）を定義する。
• センサ信号（物体の幾何形状）と記号的述語との間のマッピングを学習するためにガウス・ミックスチャネル・モデル（GMM）を採用し、オンラインでリアルタイムな推論を可能にする。
• GMMベースのメカニズムは、高次元でスパarsityが強い構成空間を適応的にモデル化でき、KDEに比べてバイアスとバリアンスのバランスが優れている。
• 人間の操作に関する神経科学的知見を活用して、物理的に関連する表面（接触面や支持面）を同定することで、力の整合性を確保する。
• GMMを用いてデータから直接普遍的な計画演算子を学習することで、手作業で定義された述語を回避し、シナリオ固有の定義に依存する度合いを低減する。
• 本手法は150のシミュレーテッド操作シナリオを用いて評価され、精度、誤分類率、計算時間の指標で性能が測定された。

実験結果

リサーチクエスチョン

• RQ1 観測者中心のアプローチに比べ、物体中心の表現は、記述可能な構成空間の変化の集合を顕著に拡大できるか？
• RQ2 データ駆動型のGMMベースの記号接地法は、従来のKDEベースの手法に比べ、精度と推論速度の両面で優れているか？
• RQ3 学習された信号-記号マッピングを有する物体中心の述語は、手作業で定義されたルールなしに、幾何的および力の整合性をどの程度実現できるか？
• RQ4 GMMベースのアプローチは、リアルタイム計画シナリオにおける多様な物体配置にどの程度一般化できるか？
• RQ5 提案手法は、高精度な計画の信頼性を維持しつつ、シナリオ固有の述語設計の必要性を低減できるか？

主な発見

• GMMベースのアプローチは、述語推定において平均95%の精度を達成し、KDEベースラインの80%に比べ顕著に優れた性能を示した。
• GMM法は、構成空間の低密度領域においても、KDEに比べ誤分類率を最大50%まで低減した。
• GMM法の計算時間は初期学習後、すみやかに安定化したが、KDEはサンプルの蓄積に伴い計算量が線形に増加した。
• 述語「on」に関して、GMMは0.67のパフォーマンスインデックスを達成したのに対し、KDEは0.39にとどまり、分類の信頼性が優れていることが示された。
• 述語「under」に関して、GMMは0.95のパフォーマンスインデックスを達成し、KDEの0.60を大きく上回り、複雑な構成でも優れた一般化性能を示した。
• GMM法は「under」に関して95%のテストインスタンスを正しく分類したが、KDEは72%にとどまった。同様に「on」に関してはGMMが67%、KDEが39%の正しく分類されたインスタンスを示し、KDEははるかに多くの未分類サンプルを含んでいた。