[論文レビュー] Learning-based Feedback Controller for Deformable Object Manipulation

Biao Jia, Zhe Hu+3 more|arXiv (Cornell University)|Jun 25, 2018

Robot Manipulation and Learning参考文献 71被引用数 6

ひとこと要約

本論文は、視覚的特徴とガウス過程回帰（GPR）を用いて、変形可能な物体の操作のための学習ベースのフィードバック制御器を提案する。リアルタイムで高精度なロボットエンドエフェクタのサーボ制御を可能にする。形状表現のための新しいヒストグラム・オブ・オリエンテッド・ラインズ（HOW）特徴量を導入し、オンラインGPR学習とオフラインの模倣学習（ランダムフォレストを用いて）を統合することで、多様な操作タスクにおいても、頑健で高成功率の制御を実現する。

ABSTRACT

In this paper, we present a general learning-based framework to automatically visual-servo control the position and shape of a deformable object with unknown deformation parameters. The servo-control is accomplished by learning a feedback controller that determines the robotic end-effector's movement according to the deformable object's current status. This status encodes the object's deformation behavior by using a set of observed visual features, which are either manually designed or automatically extracted from the robot's sensor stream. A feedback control policy is then optimized to push the object toward a desired featured status efficiently. The feedback policy can be learned either online or offline. Our online policy learning is based on the Gaussian Process Regression (GPR), which can achieve fast and accurate manipulation and is robust to small perturbations. An offline imitation learning framework is also proposed to achieve a control policy that is robust to large perturbations in the human-robot interaction. We validate the performance of our controller on a set of deformable object manipulation tasks and demonstrate that our method can achieve effective and accurate servo-control for general deformable objects with a wide variety of goal settings.

研究の動機と目的

• 未知の変形パラメータを有する変形可能な物体の正確かつ柔軟な操作の課題に取り組む。
• 変形可能な物体の状態のための特徴量設計を自動化し、手作業によるタスク固有の特徴量設計への依存を低減する。
• 視覚的特徴量をロボットエンドエフェクタの行動にマッピングするフィードバック制御器を開発し、正確な操作を実現する。
• 小さな摂動（オンラインGPRによる）および大きな摂動（オフラインの模倣学習による）の両方に対して、頑健な制御を可能にする。

提案手法

• 2次元画像データを用いて、非常に変形しやすい物体の形状変動を捉えるために、新規のヒストグラム・オブ・オリエンテッド・ラインズ（HOW）特徴量を提案する。
• 変形関数のオンライン学習にガウス過程回帰（GPR）を用い、リアルタイムで高精度なフィードバック制御を可能にする。
• ランダムフォレストを用いた二段階の模倣学習フレームワークを導入し、特徴抽出と制御器パrametrizationを同時に最適化する。
• 事前に計算された視覚フィードバック辞書を用いたスパース表現を用いて、制御速度を効率的に計算する。
• 特徴抽出と制御器学習を1つの模倣学習パイプラインに統合し、進化する訓練データとともに同時に最適化可能にする。
• ランダムフォレストの訓練に最適な行動ラベルを付与するために、平均シフトクラスタリングを適用し、連続的な制御ポリシーの学習を可能にする。

実験結果

リサーチクエスチョン

• RQ1 事前に物理モデルを用意しないで、変形可能な物体操作のための汎用的視覚フィードバック制御器をエンドツーエンドで学習可能か？
• RQ2 低次元で学習可能な視覚的特徴量を用いて、非常に変形しやすい物体の形状変動を効果的に捉える方法は何か？
• RQ3 オンラインGPRに基づく学習が、リアルタイムのロボット操作において小さな摂動に対しても頑健で高精度な制御を達成できるか？
• RQ4 ランダムフォレストフレームワークを用いたオフラインの模倣学習は、大きな摂動に対して一般化可能であり、人間-ロボットインタラクションにおける頑健性を向上させられるか？
• RQ5 特徴抽出と制御器設計を同時に最適化することで、性能向上と手動チューニングの削減が可能か？

主な発見

• 提案されたHOW特徴量は、2次元画像データを用いて、計算コストを抑えながら変形可能な物体の局所的形状変動を効果的に捉えることができ、高精度な表現を可能にする。
• オンラインGPRに基づく制御器は、多様なDOMタスクにおいて高精度なサーボ制御を達成し、小さな摂動に対しても頑健であることが示された。
• 模倣学習に基づくランダムフォレスト制御器は、大きな摂動に対しても高い成功率を達成し、オープンループ法や純粋に最適化に基づく手法を上回った。
• 模倣学習による特徴抽出と制御器学習の共同最適化は、一般化性能の向上と手動チューニングの必要性低減に寄与した。
• 本手法は、物理モデルへの依存を最小限に抑えながら、ベンチマークDOMタスク（布の平らな状態への整列や形作りを含む）においても高い成功率を達成した。
• 本フレームワークはセンサのノイズや環境の変化に対して頑健であるが、照明や色の変化に対して感受性が残っているという制限がある。