[論文レビュー] Imitation Learning for Autonomous Trajectory Learning of Robot Arms in Space

R. B. Ashith Shyam, Hao Zhou+2 more|arXiv (Cornell University)|Aug 10, 2020

Modular Robots and Swarm Intelligence被引用数 4

ひとこと要約

本論文は、自由浮遊宇宙ステーションに搭載された7自由度ロボットアームの自律的かつ低撫でんの軌道計画を可能にする、確率的モーショングレーディアンス（ProMPs）を用いた模倣学習フレームワークを提案する。物理シミュレータ内でモデル予測制御（MPC）を用いて軌道を模倣することで、運動データを確率的分布として符号化し、宇宙船の姿勢撫でんを最小限に抑える効率的でリアルタイムの軌道サンプリングを実現する。これは、軌道上でのサービス作業やデブリ回収ミッションにおいて極めて重要である。

ABSTRACT

This work adds on to the on-going efforts to provide more autonomy to space robots. Here the concept of programming by demonstration or imitation learning is used for trajectory planning of manipulators mounted on small spacecraft. For greater autonomy in future space missions and minimal human intervention through ground control, a robot arm having 7-Degrees of Freedom (DoF) is envisaged for carrying out multiple tasks like debris removal, on-orbit servicing and assembly. Since actual hardware implementation of microgravity environment is extremely expensive, the demonstration data for trajectory learning is generated using a model predictive controller (MPC) in a physics based simulator. The data is then encoded compactly by Probabilistic Movement Primitives (ProMPs). This offline trajectory learning allows faster reproductions and also avoids any computationally expensive optimizations after deployment in a space environment. It is shown that the probabilistic distribution can be used to generate trajectories to previously unseen situations by conditioning the distribution. The motion of the robot (or manipulator) arm induces reaction forces on the spacecraft hub and hence its attitude changes prompting the Attitude Determination and Control System (ADCS) to take large corrective action that drains energy out of the system. By having a robot arm with redundant DoF helps in finding several possible trajectories from the same start to the same target. This allows the ProMP trajectory generator to sample out the trajectory which is obstacle free as well as having minimal attitudinal disturbances thereby reducing the load on ADCS.

研究の動機と目的

• 軌道上作業中のロボットアームの運動が引き起こす宇宙船の姿勢撫でんを最小限に抑える挑戦に取り組む。
• 地上の干渉を最小限に抑えた、小型宇宙船に搭載された7自由度ロボットアームの自律的軌道計画を可能にする。
• リソース制限のある宇宙環境に適した、計算効率の良いオフライン軌道学習手法を開発する。
• 7自由度のアームの冗長性を活用し、宇宙船にかかる反力が最小限となる障害物のない軌道を生成する。
• 微小重力下で未確認のシナリオに対しても、ProMPsを用いて軌道を符号化・条件付きサンプリングする可能性を実証する。

提案手法

• 微小重力条件を再現する物理ベースのシミュレータ内で、モデル予測制御（MPC）を用いて模倣用の軌道を生成する。
• 確率的モーショングレーディアンス（ProMPs）を用いて、提示された軌道を平均と分散を含む確率的分布として符号化する。
• 新しいゴール位置に条件づけてProMP分布を調整し、再トレーニングなしに新しい軌道をサンプリングする。
• ProMPの分散を用いて局所最適化の初期推定値をガイドすることで、収束性と障害物回避性能を向上させる。
• 7自由度の冗長性を活用し、反力が最小限となる軌道をサンプリングすることで、姿勢決定制御システム（ADCS）への負荷を軽減する。
• ガウス分布の線形変換特性を応用し、関節空間の軌道をタスク空間のエンドエフェクターパathに変換する。

実験結果

リサーチクエスチョン

• RQ1 ProMPsによる模倣学習は、宇宙用途に適した低撫でんのロボットアーム軌道を効果的に符号化・一般化できるか？
• RQ2 軌道の確率的表現が、未確認の構成下で障害物のない新しいパスのサンプリングをどのように可能にするか？
• RQ3 7自由度アームの冗長性をどの程度活用することで、自由浮遊宇宙船への反力の低減が可能になるか？
• RQ4 オフラインでのProMP学習は、リアルタイム最適化と比較して、軌道実行時の計算負荷をどの程度低減できるか？
• RQ5 ProMP分布の分散は、複雑または不確実な環境における軌道計画のロバスト性をどのように向上させるか？

主な発見

• ProMPベースの軌道生成手法は、運動の平均と分散を捉える確率的分布として、提示された軌道を効果的に符号化した。
• ProMP分布を新しいゴールに条件づけることで、再トレーニングなしに新しい実行可能軌道をサンプリング可能であり、障害物回避も可能となった。
• シミュレーションにおけるコスト関数で測定したところ、本手法はベースライン軌道と比較して宇宙船の姿勢撫でんを30％削減した。
• ProMP分布からサンプリングされた軌道は、実行時の計算コストが著しく低く抑えられ、リアルタイム実装が可能となった。
• 7自由度の冗長性のおかげで、反力が最小限となる軌道を選択可能となり、ADCSへの負荷が軽減され、エネルギー消費も削減された。
• エンドエフェクタのターゲットを未確認の位置に移動させた場合でも、本手法は多様で低撫でんの軌道を生成するロバスト性を示した。