[論文レビュー] Learning Task-Oriented Grasping for Tool Manipulation from Simulated Self-Supervision

Kuan Fang, Yuke Zhu+5 more|arXiv (Cornell University)|Jun 25, 2018

Robot Manipulation and Learning参考文献 43被引用数 13

ひとこと要約

本論文は、大規模なシミュレーテッド自己教師付き学習を用いて、タスク指向の把持と操作方策を統合最適化する深層学習モデルであるTask-Oriented Grasping Network（TOG-Net）を提案する。物理シミュレーター内で手続き的に生成された3次元ツールで訓練されたTOG-Netは、未確認のツールを用いて現実世界の掃除作業で71.1%、ハンマー作業で80.0%の成功率を達成し、タスクに特化しないベースラインを上回った。これは、タスク固有の目的に適合した把持法を学習した結果である。

ABSTRACT

Tool manipulation is vital for facilitating robots to complete challenging task goals. It requires reasoning about the desired effect of the task and thus properly grasping and manipulating the tool to achieve the task. Task-agnostic grasping optimizes for grasp robustness while ignoring crucial task-specific constraints. In this paper, we propose the Task-Oriented Grasping Network (TOG-Net) to jointly optimize both task-oriented grasping of a tool and the manipulation policy for that tool. The training process of the model is based on large-scale simulated self-supervision with procedurally generated tool objects. We perform both simulated and real-world experiments on two tool-based manipulation tasks: sweeping and hammering. Our model achieves overall 71.1% task success rate for sweeping and 80.0% task success rate for hammering. Supplementary material is available at: bit.ly/task-oriented-grasp

研究の動機と目的

• タスクに特化しない把持法が、耐久性を重視しタスク固有の有用性を欠くという限界を克服するため、タスク成功を最大化するために、把持と操作方策を統合最適化すること。
• 手動で設計された特徴量や事前定義されたアフォーダンスを必要とせず、シミュレーションおよび現実世界の新規ツールに一般化可能であるようにすること。
• 手続き的に生成された3次元ツールを用いた物理シミュレーターを活用し、数百万回に及ぶ自己教師付きの把持・操作試行を自動生成することで、深層学習のデータ収集をスケーリングすること。
• 計画されたタスクの結果に基づいて、把持選択と行動生成を統合されたモデルで直接最適化することで、タスク成功を直接最適化すること。
• ハンマーのハンドルをしっかり握る、または工具の先端で掃除するといったタスク指向の把持法が、耐久性を最適化した把持法よりも高いタスク成功率をもたらすことを示すこと。

提案手法

• TOG-Netは、タスク指向の把持モジュールと操作方策ポリシーからなる統合モデルであり、ツールとタスク目標の視覚的観測に基づいて条件付けられている。
• 把持モジュールは、予測されたタスク成功度に基づいて複数の候補把持をスコア付けし、実行に最も高いスコアの把持を選択する。
• 操作方策ポリシーは、選択された把持に基づいて制御行動を生成し、タスクの実行を可能にする。
• 大規模な自己教師付き学習は、リアルタイムの物理シミュレーターを介して生成され、ロボットが手続き的に生成された3次元ツールを用いて自動的に把持・操作試行を実施する。
• 訓練データはタスクの成功または失敗によって自動的にラベル付けされ、人手によるラベル付けが不要なエンドツーエンドの学習が可能になる。
• タスク完了に基づく自己教師付き報酬を用いて、強化学習または示範学習により、統合的にモデルを訓練する。

実験結果

リサーチクエスチョン

• RQ1 1つのディープラーニングモデルが、タスク成功を最大化するために、タスク指向の把持と操作方策を統合最適化できるか？
• RQ2 手続き的に生成されたツールを用いたシミュレーテッド自己教師付き学習は、現実世界の未確認のツールに一般化するためにどれほど効果的か？
• RQ3 タスク固有の目的に従って指導されるタスク指向の把持法は、把持の耐久性のみに注目するタスクに特化しない把持法よりも高いタスク成功率をもたらすか？
• RQ4 異なるツールの形状（T字型、L字型、その他）は、タスク指向の把持モデルの性能にどのように影響するか？
• RQ5 微調整なしに、視覚入力と自己教師付きフィードバックのみを用いて、シミュレーションで訓練されたモデルが現実世界のツール操作に一般化可能か？

主な発見

• TOG-Netは、未確認の9種類のツールを用いて現実世界の掃除作業で71.1%のタスク成功率を達成し、タスクに特化しない手法を顕著に上回った。
• ハンマー作業では、未確認のツールで80.0%の成功率を達成し、多様なツール形状にわたる強力な一般化能力を示した。
• シミュレーション内でも、ベースライン手法を上回り、タスクに特化しない把持法（重心付近の把持など）はしばしばタスク実行に不適切であることがわかった。
• モデルは、ハンマー作業ではトルクを最大化するためにハンドルの端をしっかり握るよう学習し、掃除作業では接触面積を最大化するために平らな面に把持するよう学習した。
• T字型ツールでは、掃除作業で73.3%、ハンマー作業で86.7%の成功率を達成し、形状が単純なツールに対しても優れた性能を示した。
• パッドのような非標準的形状の物体では、掃除作業で60.0%、ハンマー作業で66.7%の成功率を達成し、非標準的ツール形状への適応能力が優れていることが示された。