[論文レビュー] Endowing Robots with Longer-term Autonomy by Recovering from External Disturbances in Manipulation through Grounded Anomaly Classification and Recovery Policies

Hongmin Wu, Shuangqi Luo+6 more|arXiv (Cornell University)|Sep 11, 2018

Anomaly Detection Techniques and Applications参考文献 39被引用数 6

ひとこと要約

本論文では、人間-ロボット協働マニピュレーションタスクにおける外部的擾乱の検出と回復を可能にする、グラフベースでオンラインなシステムを提示している。非パrametric統計を用いた接地された異常分類とメモ化された変分推論、およびタスク固有の回復ポリシー（偶発的異常のための再実行と持続的異常のための適応）を組み合わせることで、リアルタイムの自己内省、頑健な異常同定、自己矯正回復を実現し、非構造的環境における耐障害性を顕著に向上させた。

ABSTRACT

Robot manipulation is increasingly poised to interact with humans in co-shared workspaces. Despite increasingly robust manipulation and control algorithms, failure modes continue to exist whenever models do not capture the dynamics of the unstructured environment. To obtain longer-term horizons in robot automation, robots must develop introspection and recovery abilities. We contribute a set of recovery policies to deal with anomalies produced by external disturbances as well as anomaly classification through the use of non-parametric statistics with memoized variational inference with scalable adaptation. A recovery critic stands atop of a tightly-integrated, graph-based online motion-generation and introspection system that resolves a wide range of anomalous situations. Policies, skills, and introspection models are learned incrementally and contextually in a task. Two task-level recovery policies: re-enactment and adaptation resolve accidental and persistent anomalies respectively. The introspection system uses non-parametric priors along with Markov jump linear systems and memoized variational inference with scalable adaptation to learn a model from the data. Extensive real-robot experimentation with various strenuous anomalous conditions is induced and resolved at different phases of a task and in different combinations. The system executes around-the-clock introspection and recovery and even elicited self-recovery when misclassifications occurred.

研究の動機と目的

• 予測不能な外部的擾乱が頻発する非構造的かつ人間が共用する作業環境において、ロボットの長期的自律性を達成する課題に対処すること。
• タスク実行中に新たな回復ポリシーを実装しても、リアルタイムで異常を検出・分類・自律的に是正できる回復フレームワークを開発すること。
• インクリメンタルで文脈に配慮した回復ポリシーの学習を、密接に結合されたグラフベースのアーキテクチャを用いて、オンラインモーショングレーニングと自己内省と統合すること。
• 誤分類された異常が発生した場合に、是正的自己内省を引き起こし、その後に適切な回復ポリシーを実行できる自己修復機能を実現すること。

提案手法

• 本システムは、タスク実行中に異常を動的に解消するための、グラフベースでオンラインなモーショングレーニングと自己内省フレームワークに裏付けられた回復クリティックを採用している。
• 異常分類には、非パrametricな事前分布とマルコフ移動線形システム、およびメモ化された変分推論を組み合わせ、センサデータからのスケーラブルでインクリメンタルなモデル学習を実現している。
• 2つのタスクレベルの回復ポリシーを実装している：再実行（タスクグラフから最良のパフォーマンスを示したスキルを再実行して偶発的擾乱に対処）と適応（持続的異常に対し、人間の直感に基づく状態調整を適用）。
• 本システムは、非パrametric統計と変分推論を組み合わせたハイブリッドアプローチを採用しており、分類と同定の正確性を向上させる、コンパクトで解釈可能なモデルの学習を可能としている。
• 実ロボット実験では、人間との衝突、ツール衝突、物体の滑りなどを意図的に発生させたコボット環境を用い、タスクフェーズ全体にわたる耐障害性をテストした。
• Redisデータベースを用いて、センサデータおよび状態データをリアルタイムで保存・取得し、オフラインのロスバッグ解析を超えたオンライン処理を可能としている。

実験結果

リサーチクエスチョン

• RQ1 予測不能な外部的擾乱が頻発する非構造的で人間-ロボット協働的な環境において、ロボットがどのように長期的自律性を達成できるか？
• RQ2 センサシグネチャがノーマル動作から逸脱した場合、どのようなメカニズムが、リアルタイムで頑健に異常を検出・分類可能にするか？
• RQ3 タスク実行中に新しいまたは再発する異常状態に直面した場合、回復ポリシーをどのようにインクリメンタルに学習・適応可能にするか？
• RQ4 誤分類された異常に対して、誤った回復ポリシーを実行した後でも、ロボットシステムが自己矯正可能か？
• RQ5 回復ポリシーは、物体やタスクの空間的・機能的構成が異なる状況に対しても、どの程度一般化可能か？

主な発見

• 本システムは、複数のマニピュレーションタスクフェーズにわたり、偶発的衝突、物体の滑り、ツール衝突など多様な異常を効果的に同定・分類した。
• 再実行ポリシーは、タスクグラフから事前に学習済みの最適なスキルを再実行することで、偶発的擾乱を効果的に是正し、ノーマル実行を回復させた。
• 適応的回復ポリシーは、空間的モデリングを明示的に行わなくても、タスク状態の変化に関する人間の直感を活用することで、持続的異常を克服できた。
• 本システムは自己修復機能を示した：誤分類と誤った回復ポリシーの実行後、自己内省を是正し、成功した回復ポリシーを選択してタスクを完了した。
• 空間的文脈モデルの制限があるにもかかわらず、HC、OS、NO異常の新規状況への回復ポリシーの一般化は可能であったが、空間依存性のある回復ペアでは一般化の信頼性がやや低かった。
• 広範な実ロボット実験により、厳しい意図的な異常条件下でも頑健な性能を示し、24時間体制での自己内省と回復が可能となり、運用の自律性が顕著に延長された。