[論文レビュー] Hypothesis-based Belief Planning for Dexterous Grasping

Claudio Zito, Valerio Ortenzi+4 more|arXiv (Cornell University)|Mar 13, 2019

Robot Manipulation and Learning参考文献 27被引用数 13

ひとこと要約

本論文では、6次元非ガウス的ポーズ不確実性下における機敏なグリッピングのための仮説ベースの信念計画フレームワークであるIR3neを提案する。点群オブジェクトモデルを用いて、機械的接触情報の利益を機械的到達〜グリッピング軌道に統合することで、事前に定義されたメッシュやグリッピングポーズを必要とせず、不確実性を同時に低減し、グリッピングを実行する。これにより、ベースライン手法に比べて初回試行成功確率が最大50%向上した。

ABSTRACT

Belief space planning is a viable alternative to formalise partially observable control problems and, in the recent years, its application to robot manipulation problems has grown. However, this planning approach was tried successfully only on simplified control problems. In this paper, we apply belief space planning to the problem of planning dexterous reach-to-grasp trajectories under object pose uncertainty. In our framework, the robot perceives the object to be grasped on-the-fly as a point cloud and compute a full 6D, non-Gaussian distribution over the object's pose (our belief space). The system has no limitations on the geometry of the object, i.e., non-convex objects can be represented, nor assumes that the point cloud is a complete representation of the object. A plan in the belief space is then created to reach and grasp the object, such that the information value of expected contacts along the trajectory is maximised to compensate for the pose uncertainty. If an unexpected contact occurs when performing the action, such information is used to refine the pose distribution and triggers a re-planning. Experimental results show that our planner (IR3ne) improves grasp reliability and compensates for the pose uncertainty such that it doubles the proportion of grasps that succeed on a first attempt.

研究の動機と目的

• 現実世界のシナリオにおける高次元的で非ガウス的な6次元ポーズ不確実性下での機械的グリッピングの課題に対処すること。
• 新規オブジェクトの事前計算されたグリッピングポーズやメッシュモデルの必要性を排除すること。
• 信念空間内での能動的接触計画を通じて、情報収集とグリッピングを同時に実行すること。
• 不完全または曖昧な点群観測下でもグリッピングの信頼性を向上させること。
• 効率的な計画と再計画を可能にするスケーラブルで非パラメトリックな信念表現の開発

提案手法

• 計画者は、高次元の信念状態を固定次元のサンプリングされたポーズ仮説集合に射影する仮説ベースのアプローチを用いる。
• 点群オブジェクトモデル（PCOM）上に接触ベースの信念更新を可能にする接触観測モデルを定義し、オブジェクトの凸性を仮定しない。
• 到達〜グリッピング軌道に沿って期待情報量の増加を最大化することで、物理空間に情報価値を直接埋め込む。
• 非凸オブジェクトの衝突検出を、点群ベースの近接性チェックにより実行し、正確な接触予測を可能にする。
• 予期しない接触が発生した際に逐次再計画を実行し、信念状態を精緻化するとともに、リアルタイムで軌道を調整する。
• ガウス分布の仮定を避け、探索から実行への遷移にユーザー定義の信頼度しきい値を必要としない。

実験結果

リサーチクエスチョン

• RQ1 信念空間計画は、機械的操作における高次元的で非ガウス的な6次元ポーズ不確実性に効果的にスケーリング可能か？
• RQ2 事前にグリッピングポーズを計算せずに、到達〜グリッピング運動中に接触情報量を能動的に最大化できるか？
• RQ3 メッシュモデルや凸性仮定に依存しない計画者が、どの程度高いグリッピング成功確率を達成できるか？
• RQ4 予期しない接触に基づく逐次的再計画は、現実世界のシナリオでグリッピングの信頼性をどのように向上させるか？
• RQ5 非パラメトリックな信念表現は、不完全またはノイズの多い観測下でも正確性を維持しながら、効率的な計画を可能にするか？

主な発見

• IR3neは、信念状態を考慮しない計画手法に比べ、初回試行成功確率が最大50%向上した。
• 本システムは、点群が不完全または誤解を招くものであった場合でも、たとえば目立たないハンドルを備えた対称的ジョッキのようなオブジェクトを、真のポーズに関する事前知識なしに正常にグリッピングできた。
• 情報量の利益を軌道に直接埋め込むことで、再計画の繰り返し回数を削減し、50%のケースで一度の試行で収束を達成した。
• 平均シフトポーズ推定器が方向で最大180度の誤差を示しても、本手法はベースライン手法を上回る信頼性を示した。
• 予期しない接触は信念更新のトリガーとして効果的に処理され、オブジェクト運動の予測モデルを必要とせずに、頑健な適応が可能となった。
• 本フレームワークは、能動的接触計画が不確実性の低減とグリッピングの実行を同時に実現できることを示した。これにより、分離された探索段階と実行段階の必要性が不要となった。