[論文レビュー] IKEA Furniture Assembly Environment for Long-Horizon Complex Manipulation Tasks

Youngwoon Lee, Edward S. Hu+3 more|arXiv (Cornell University)|Nov 17, 2019

Reinforcement Learning in Robotics被引用数 7

ひとこと要約

本論文では、長時間にわたるロボット操作タスクのための現実的でスケーラブルなシミュレーションベンチマークであるIKEAファニチャー組立環境を紹介する。80種類以上のファニチャー・モデル、複数のロボットエージェント（Sawyer、Baxter、Cursor）、ドメインランダマイゼーション、高精細レンダリングをサポートしており、視覚認識、計画、制御に関する研究を可能にし、シミュレーションから現実世界への転送能力を有する。

ABSTRACT

The IKEA Furniture Assembly Environment is one of the first benchmarks for testing and accelerating the automation of complex manipulation tasks. The environment is designed to advance reinforcement learning from simple toy tasks to complex tasks requiring both long-term planning and sophisticated low-level control. Our environment supports over 80 different furniture models, Sawyer and Baxter robot simulation, and domain randomization. The IKEA Furniture Assembly Environment is a testbed for methods aiming to solve complex manipulation tasks. The environment is publicly available at https://clvrai.com/furniture

研究の動機と目的

• 長時間にわたるロボット操作タスクのための標準化され、現実的であるシミュレーション環境の不足に対処すること。
• 複雑な組立タスクにおける高レベルの計画、低レベルの制御、視覚的認識を統合するベンチマークを提供すること。
• テクスチャ、照明、背景、物理的特性のドメインランダマイゼーションを活用して、シミュレーションから現実世界への転送を可能にすること。
• 合成データを用いた強化学習、模倣学習、階層的計画、認識に関する多様な研究を支援すること。
• 現実世界の設定において自律的な操作を進化させるための実験台として機能させること、現実的で多様なファニチャー組立シナリオを用いる。

提案手法

• 環境は、ロボットエージェントによる部品選択、把持、整合、接続を含む階層的タスクとしてファニチャーの組立をシミュレートする。
• 物理シミュレーションにはMuJoCoを、高品質かつ設定可能なレンダリングとドメインランダマイゼーションの統合にはUnityを採用する。
• トルク制御、逆運動学、モーションプリミティブを備えた複数のロボットモデル（Sawyer、Baxter、Cursor）をサポートする。
• エージェントの認識と行動に役立てるために、RGB、深度、セグメンテーションマスク、ゴール状態を含む包括的な観測を提供する。
• ファニチャー・モデル、テクスチャ、照明、シーン構成にわたるドメインランダマイゼーションを適用し、シミュレーションから現実世界への一般化を向上させる。
• 3Dオブジェクト検出、ポーズ推定、シーン理解のトレーニングに適した、真値ラベル（ポーズ、形状、セグメンテーション、シーングラフ）を備えた合成データセットを生成する。

実験結果

リサーチクエスチョン

• RQ1 どのようなシミュレーション環境が、計画と正確な制御を要する長時間にわたる階層的操作タスクを効果的にサポートできるか？
• RQ2 ドメインランダマイゼーションは、複雑なファニチャー組立タスクにおけるシミュレーションから現実世界への転送をどのように促進するか？
• RQ3 多様なファニチャー構成を持つ現実的で視覚的に豊かな環境において、模倣学習および強化学習手法の有効性はいかほどか？
• RQ4 階層的およびモデルベースの強化学習アプローチは、複雑で複数ステップにわたる組立タスクを効果的に分解・解決できるか？
• RQ5 この環境から得られる合成データを用いて、現実世界への展開を想定した視覚認識モデルを効果的にトレーニングするにはどうすればよいか？

主な発見

• IKEAファニチャー組立環境は80種類以上の異なるファニチャー・モデルをサポートしており、操作アルゴリズムの多様でスケーラブルなベンチマークが可能である。
• テクスチャ、照明、背景にわたるドメインランダマイゼーションの統合により、シミュレーションから現実世界へのポリシー一般化が顕著に向上した。
• RGB、深度、セグメンテーションマスク、シーングラフを含む包括的でマルチモーダルな観測を提供しており、包括的な認識と制御に関する研究を支援する。
• 本ベンチマークにより、階層的強化学習、模倣学習、モデルベース計画法のトレーニングと評価が、複雑で長時間にわたるタスクにおいて可能になった。
• 3Dオブジェクト検出、ポーズ推定、シーン理解のための真値ラベルを備えた大規模な合成データセットの生成が、本環境によって促進された。
• MuJoCoとUnityレンダリングの組み合わせにより、高速で現実的であり、高視覚的精細度を持つシミュレーションが実現され、効果的なシミュレーションから現実世界への転送が可能になった。