[論文レビュー] Maximally manipulable vision-based motion planning for robotic rough-cutting on arbitrarily shaped surfaces

Tommaso Pardi, Valerio Ortenzi+4 more|arXiv (Cornell University)|Sep 12, 2019

Robotic Path Planning Algorithms参考文献 30被引用数 4

ひとこと要約

本稿では、ノイズの多い点群から任意の表面に沿ったロボット軌道を生成し、操縦性を最大化するとともに経路長を最小化する視覚ベースの運動計画法 RRT*-RMM を提案する。RRT* のサンプルをリーマン多様体に射影し、操縦性を優先するようにコスト関数を変更することにより、特異点を回避し、ロボットの粗い切断作業における柔軟なタスク実行を可能にする。

ABSTRACT

This paper presents a method for constrained motion planning from vision, which enables a robot to move its end-effector over an observed surface, given start and destination points. The robot has no prior knowledge of the surface shape, but observes it from a noisy point-cloud camera. We consider the multi-objective optimisation problem of finding robot trajectories which maximise the robot's manipulability throughout the motion, while also minimising surface-distance travelled between the two points. This work has application in industrial problems of extit{rough} robotic cutting, extit{e.g.} demolition of legacy nuclear plant, where the cut path need not be precise as long as it achieves dismantling. We show how detours in the cut path can be leveraged, to increase the manipulability of the robot at all points along the path. This helps avoid singularities, while maximising the robot's capability to make small deviations during task execution, extit{e.g.} compliantly responding to cutting forces via impedance control. We show how a sampling-based planner can be projected onto the Riemannian manifold of a curved surface, and extended to include a term which maximises manipulability. We present the results of empirical experiments, with both simulated and real robots, which are tasked with moving over a variety of different surface shapes. Our planner enables successful task completion, while avoiding singularities and ensuring significantly greater manipulability when compared against a conventional RRT* planner.

研究の動機と目的

• 老朽化した原子力施設など、未知の任意形状の表面を有する危険な環境において、粗い切断作業のためのロボット運動計画の課題に取り組む。
• 曲面に沿った制約付きエンドエフェクタの運動において、標準的な RRT* が操縦性と特異点回避の両面で制限を受ける問題を克服する。
• 材料特性に不確実性がある場合でも、切断中に適合制御を可能にするために、経路全体で高い操縦性を維持できるようにする。
• 完全な3Dモデルが不要な点群から直接処理できるようにすることで、非構造的環境における現実世界への適用性を高める。
• 経路長の増加と、操縦性の著しい向上をバランスさせることで、力が強い関与が求められる切断作業の耐障害性とタスク成功確率を向上させる。

提案手法

• 点群から導出された写像を用いて、ユークリッド空間からのランダムサンプルを観測された表面のリーマン多様体に射影し、完全な3Dモデルがなくても曲面に沿った運動計画を可能にする。
• RRT* のコスト関数に操縦性インデックス項を追加することで、経路全体で高いロボット操縦性を維持する軌道を優先する。
• ユークリッド距離と操縦性を組み合わせたハイブリッドコスト関数を用い、サンプリングと経路最適化を誘導する。
• ロボットの運動学的モデルを活用して、各配置における操縦性を計算し、経路生成中に特異点回避を保証する。
• RGB-D センサーを統合して、リアルタイムでの表面観測と環境変化への動的再計画を可能にする。
• シミュレーション（V-REP）および実機（Panda と Sawyer）の両方でアルゴリズムを実装し、多様な物体形状における性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 ノイズの多い点群から未知の任意形状の表面に沿って、操縦性を最大化するように効果的に軌道を生成できる、サンプリングベースの運動計画法は実現可能か？
• RQ2 RRT* のコスト関数に操縦性を組み込むことで、曲面に沿ったエンドエフェクタの運動におけるロボット特異点のリスクはどの程度低減されるか？
• RQ3 経路長と操縦性のトレードオフは、力が強い関与が求められるロボット切断作業におけるタスクの耐障害性にどのように影響するか？
• RQ4 標準的な RRT* に比べて、本手法は実用的な経路長を維持しながらも、操縦性の面で優れた性能を示せるか？
• RQ5 本手法は、平面、曲面、複雑な形状を含む多様な表面形状にスケーラブルかつ効果的に適用可能か？

主な発見

• RRT*-RMM は、4種類の物体タイプについてボックスプロット解析で示される中央値の向上を含め、標準的な RRT* と比較して、すべてのテスト経路で操縦性が顕著に向上した。
• 操縦性の分散が低減されたことから、生成された経路に沿ってロボットの性能がより一貫性があり、予測可能であることが示された。
• バーレル、曲面、セーフティーヘルメットの物体では経路長が約10%増加し、平面の物体では最大50%増加した。これは、より高い操縦性を実現するためのトレードオフを示している。
• 特異点を回避する能力が確認された。RRT* は平面の物体で低操縦性のため失敗するが、本手法はその問題を回避した。
• シミュレーテッド（Sawyer）および実機（Panda）の両方で得られた実証的結果は、タスクの成功を確認し、本手法の現実世界におけるロボット粗い切断シナリオへの有効性を裏付けた。
• 高い操縦性を維持することで、力が強い切断作業中の効果的なインピーダンス制御を可能にするため、柔軟なタスク実行が可能になった。