[論文レビュー] Grasp Learning by Sampling from Demonstration

P Zech, Justus Piater|arXiv (Cornell University)|Nov 19, 2016

Robot Manipulation and Learning参考文献 4被引用数 3

ひとこと要約

この論文では、幾何的形状情報が不要なモデルフリーでアクティブなグリッピング学習手法を提案する。本手法は、物体のポーズとわずかなユーザーによる6次元グリッパー姿勢のデモのみを用いて、オブジェクトのグリッピングアフォーダンスを学習する。MCMC Kameleonと一般化ダーティングモンテカルロ（GDMC）を組み合わせることで、グリッピングアフォーダンス密度からのサンプリングが可能となり、多様で高品質なグリッピングを発見する。この手法は、正確な形状情報が得られない状況や、ごみくずが散らかった環境でも、最小限の事前知識のもとで頑健な性能を発揮する。

ABSTRACT

Robotic grasping traditionally relies on object features or shape information for learning new or applying already learned grasps. We argue however that such a strong reliance on object geometric information renders grasping and grasp learning a difficult task in the event of cluttered environments with high uncertainty where reasonable object models are not available. This being so, in this paper we thus investigate the application of model-free stochastic optimization for grasp learning. For this, our proposed learning method requires just a handful of user-demonstrated grasps and an initial prior by a rough sketch of an object's grasp affordance density, yet no object geometric knowledge except for its pose. Our experiments show promising applicability of our proposed learning method.

研究の動機と目的

• 正確な物体形状が入手できない、ごみくずが散らかった不確実な環境におけるロボットグリッピング学習の課題に対処すること。
• グリッピング学習における物体形状や幾何モデリングへの依存度を低減し、現実世界のシナリオでも頑健な性能を発揮すること。
• わずかなデモされたグリッピングと物体ポーズのみを用いて、グリッピングアフォーダンス密度を学習する手法を開発すること。
• 形状ベースの計算や解析的手法に依存せずに、6次元グリッパー姿勢空間を効率的に探索するための確率的最適化を可能とすること。

提案手法

• 本手法は、標準的な物体ポーズを基準として、6次元グリッパー姿勢空間をメトロポリス・ハスティングス法に基づくマルコフ連鎖モンテカルロ（MCMC）サンプリングで探索する。
• MCMC Kameleonを用いて、グリッピングアフォーダンス密度の共分散構造を適応的に学習し、複雑で非線形な分布からのサンプリングを可能にする。
• 一般化ダーティングモンテカルロ（GDMC）により、既存のグリッピングモードに向かって提案を誘導することで、モード間の混合を向上させ、収束性と探索性を向上させる。
• 粗いグリッピングアフォーダンス密度のスケッチを初期事前分布として用い、デモされたグリッピングがサンプリングプロセスの初期モードを提供する。
• パラメータ $ c $ を用いてサンプリングプロセスをバイアス処理し、並進方向における勾配ステップサイズを制御することで、探索と活用のバランスを取る。
• 本手法は、物体ポーズが既知であると仮定しており、物体ポーズ推定の必要性を回避する。

実験結果

リサーチクエスチョン

• RQ1 幾何的物体モデルや形状情報がなくても、グリッピングアフォーダンス密度を効果的に学習できるか？
• RQ2 わずかなデモされたグリッピングが、6次元姿勢空間内で多様で高品質なグリッピングの発見をどれほど効果的に導けるか？
• RQ3 偏り戦略（中立的、弱、強）の違いが、サンプリング効率とグリッピング多様性に与える影響は何か？
• RQ4 並進方向の探索を制御するパラメータ $ c $ が、グリッピング学習プロセスの性能と頑健性に与える影響は何か？
• RQ5 適応的共分散とモード認識型提案を用いたMCMCベースのサンプリングは、ごみくず環境において、従来の形状ベースや軌道ベースのグリッピング学習を上回る性能を発揮できるか？

主な発見

• 提案手法は、最小限の幾何的事前知識のもとで、テストされた全物体（ピッチャー、フライパン、プレート）に対して、常に数百のグリッピングを発見した。
• 弱いまたは強いバイアスを用いた場合、平均グリッピング数は、フライパンで216 ± 46、プレートで180 ± 46、ピッチャーで143 ± 48を記録し、バイアス戦略に対して頑健であることが示された。
• 探索のための制御パラメータ $ c $ の最適値は、0.1〜0.25の範囲にあり、特に長い形状の物体（例：フライパン）ではわずかに0.15に延長される傾向が見られた。
• 過度に高い $ c $ 値は、オブジェクトを飛び越える過剰な並進移動を引き起こし、サンプラーがオブジェクトを逸脱するため、性能が著しく低下した。
• 分散プロットにより、適切な $ c $ 値を用いることで、グリッピング空間の多様な領域が効果的に探索されていることが確認された。凸包面積の増加は、強力な探索行動を示している。
• 本手法は、物体形状に依存せず、ポーズ情報とわずかなデモのみを用いてもグリッピング学習が効果的に行えることを示した。これは、「目隠し」グリッピング学習の可能性を実証した。