[論文レビュー] Geometric Fabrics for the Acceleration-based Design of Robotic Motion

Mandy Xie, Karl Van Wyk+6 more|arXiv (Cornell University)|Oct 28, 2020

Robot Manipulation and Learning参考文献 18被引用数 14

ひとこと要約

本論文では、安定性と加速度に基づく幾何的整合性を持つ、ロボットの運動を設計するためのフレームワーク「幾何的織物（geometric fabrics）」を紹介する。これは、安定性の保証と直感的なモジュラ設計を備えた、リーマン運動方策（RMPs）を一般化したものであり、複雑な環境、たとえば家具が多数ある物流環境においても、わずかに6.7%の訓練データでチューニングした後、未観測のテスト問題で92.2%の成功を達成する、強力な一般化性能を発揮する。

ABSTRACT

This paper describes the pragmatic design and construction of geometric fabrics for shaping a robot's task-independent nominal behavior, capturing behavioral components such as obstacle avoidance, joint limit avoidance, redundancy resolution, global navigation heuristics, etc. Geometric fabrics constitute the most concrete incarnation of a new mathematical formulation for reactive behavior called optimization fabrics. Fabrics generalize recent work on Riemannian Motion Policies (RMPs); they add provable stability guarantees and improve design consistency while promoting the intuitive acceleration-based principles of modular design that make RMPs successful. We describe a suite of mathematical modeling tools that practitioners can employ in practice and demonstrate both how to mitigate system complexity by constructing behaviors layer-wise and how to employ these tools to design robust, strongly-generalizing, policies that solve practical problems one would expect to find in industry applications. Our system exhibits intelligent global navigation behaviors expressed entirely as provably stable fabrics with zero planning or state machine governance.

研究の動機と目的

• 多様な運動タスクに一般化可能な、タスクに依存しない安定なロボット行動設計フレームワークの開発。
• 既存のリーマン運動方策（RMPs）における理論的安定性保証の欠如と設計の一貫性の欠如を克服すること。
• 加速度ベースのポリシーと幾何的整合性を用いて、直感的で階層的な構築が可能な複雑な行動の設計。
• 障害物や動的ゴールを伴う複雑な環境でのナビゲーションにおいて、実世界の産業的シナリオで強力な性能を発揮すること。
• 摂動や実行速度の変化に対して強い一般化性能を示し、広範なチューニングに依存しないことの検証。

提案手法

• 幾何的織物は、HD2リーマン幾何から導かれる二階非線形微分方程式として定式化され、タスクの目的に依存しない標準的動作を符号化する。
• Finslerエネルギーに基づく優先度指標を用いて、異なる行動コンポonent（例：障害物回避、関節限界回避）の寄与を重みづけする。
• タスク空間の変換ツリーに沿ってモジュラに行動を設計し、複雑さを段階的に組み合わせることが可能になる。
• 加速度ベースのポリシーをメトリック重み付き平均で統合することで、幾何的整合性を確保し、動作を変更せずに速度スケーリングが可能になる。
• システムは織物上での一様なパスフォローリング問題として最適化され、タスクの目的は最適化のランドスケープにおける局所的最小値として定義される。
• パスの整合性は、異なる速度での軌道間の弧長積分で定量化され、偏差を最小化するようにポテンシャル勾配が調整される。

実験結果

リサーチクエスチョン

• RQ1 RMPsの直感的な設計を一般化しつつ、安定性を保証する幾何的フレームワークを構築できるか？
• RQ2 安定性や整合性を損なわずに、複雑なロボット行動を階層的に組み合わせて設計できるか？
• RQ3 幾何的織物は、未観測の設定や摂動に対してどれほど強い一般化性能を示せるか？
• RQ4 実行速度が織物ベースの運動方策におけるパスの整合性にどのように影響するか？
• RQ5 少数の訓練例から、幅広い実世界のナビゲーションタスクに高い成功率を達成できるか？

主な発見

• 6つの90個の問題（6.7%）でチューニングした後、90個の検証問題で96.7%、未観測の90個のテスト問題で92.2%の成功率を達成し、強い一般化性能を示した。
• 第二のチューニングラウンドを経て、検証集合およびテスト集合両方で100%の成功率に上昇し、高速収束性と頑健性を示した。
• x/y方向に±0.1m、方向に±30°のベースライン摂動に対しても安定した性能を維持した。これにより、局所化誤差に対する頑健性が確認された。
• 実行速度が高くなるほどパスの整合性が向上した：2.0 m/sでは弧長積分が0.0（最小）、0.5 m/sでは0.1193に増加した（2.0 m/sと比較）。
• 幾何的織物フレームワークにより、計画やステートマシンを一切用いずに、知的なグローバルナビゲーションが可能になった。これは、保証された安定性を持つ加速度ベースのポリシーに依存している。
• 結果から、幾何的織物はその表現力と整合性の高さから、将来のポリシー学習システムにおける強力なインダクティブバイアスとなり得ると示唆された。