[論文レビュー] Modeling Reusable, Platform-Independent Robot Assembly Processes

Arvid Butting, Bernhard Rumpe⋆+3 more|arXiv (Cornell University)|Jan 11, 2016

Manufacturing Process and Optimization参考文献 17被引用数 9

ひとこと要約

本論文では、ドメインエキスパートとロボティクスエキスパートの知識を分離することで、プラットフォームに依存しない再利用可能なロボットアセンブリプログラミングを可能にする、ドメイン特化言語およびツールチェーンであるLightRocksを提示する。非エキスパートは抽象的なプロセスやタスクを用いてアセンブリタスクをモデル化できる一方、ロボティクスエキスパートはプラットフォーム固有のスキルとアクションを提供し、検証可能で実行可能なロボットプログラムを備えた柔軟で再構成可能なスマートファクトリーワークフローの実現を可能にする。

ABSTRACT

Smart factories that allow flexible production of highly individualized goods require flexible robots, usable in efficient assembly lines. Compliant robots can work safely in shared environments with domain experts, who have to program such robots easily for arbitrary tasks. We propose a new domain-specific language and toolchain for robot assembly tasks for compliant manipulators. With the LightRocks toolchain, assembly tasks are modeled on different levels of abstraction, allowing a separation of concerns between domain experts and robotics experts: externally provided, platform-independent assembly plans are instantiated by the domain experts using models of processes and tasks. Tasks are comprised of skills, which combine platform-specific action models provided by robotics experts. Thereby it supports a flexible production and re-use of modeling artifacts for various assembly processes.

研究の動機と目的

• 小ロット・カスタム生産向けにスマートファクトリーで柔軟で再構成可能なロボットプログラミングを実現する。
• コンpliantマニピュレータのための複雑なロボット固有のプログラミングの課題に対処し、低レベルの制御詳細を抽象化する。
• ドメインエキスパート（プロセス、タスク）とロボティクスエキスパート（スキル、アクション）の知識を分離することで、非エキスパートとロボティクスエキスパートの協働を支援する。
• プラットフォームに依存しない抽象化により、異なるロボットやアセンブリプロセス間でモデル化アーティファクトを再利用可能にする。
• ソフトウェア工学のスキルがなくても工場の現場作業員が直感的かつ高水準でモデル化できるツールチェーンを開発する。

提案手法

• 3層の抽象化モデルを導入：アセンブリプラン（外部層）、プロセスとタスク（ドメインエキスパート層）、スキルとアクション（ロボティクスエキスパート層）。
• UML/P Statechartsを基盤とし、MontiCoreを用いてドメイン特化言語（DSL）を構築し、タスクとプロセスをモデル化。これにより、形式的な事前条件と事後条件を定義可能となる。
• プラットフォーム固有のアクションモデル（例：剛性／減衰制御）をタスク論理から分離し、異なるロボット間での再利用を可能にする。
• ドメインエキスパートが事前に定義されたスキルを用いて、ロボットAPIの複雑さを抽象化した、グラフィカルなタブレットベースのエディタを実装。
• コードジェネレータとランタイムシステムを統合し、高水準なモデルをコンpliantロボット（例：KUKA iiwa）用の実行可能プログラムにコンパイルする。
• 事前条件と事後条件による遷移の形式的検証を支援するモデル駆動開発を実現。

実験結果

リサーチクエスチョン

• RQ1 どのようにしてドメインエキスパートとロボティクスエキスパートの知識を分離した形でロボットアセンブリタスクをモデル化できるか？
• RQ2 高水準なタスクモデルから、どの程度プラットフォームに依存しない再利用可能なロボットプログラムを生成できるか？
• RQ3 ロボティクスの知識がなくても、高水準で抽象化されたインターフェースを用いて、非エキスパートが複雑なアセンブリタスクをモデル化・実行できるか？
• RQ4 工場の現場作業員が低レベルのロボット制御を抽象化するツールチェーンのパフォーマンスと使いやすさの特性は何か？
• RQ5 形式的な事前条件と事後条件は、ロボットタスクモデルの信頼性と推論能力をどのように向上させるか？

主な発見

• ケーススタディに参加した全員が、LightRocksのタブレットエディタを用いて複雑な電球アセンブリタスクを完了した。完了時間は45分から2時間の間であった。
• 事前にプログラミング経験のない参加者でさえ、LightRocksが「簡単なロボットプログラミング」を可能にし、「訓練を受けていないユーザーがロボットをツールとして使える」ことを報告した。
• ツールチェーンはドメイン固有のタスクモデリングとロボット固有の制御を成功裏に分離し、異なるアセンブリプロセス間でスキルとアクションを再利用可能にした。
• 大規模なプロセス（40ノード以上）ではグラフィカルエディタにパフォーマンス問題が生じ、新しいレンダリングエンジンへの移行が促された。
• 現行バージョンではタスクの同期実行やパラメータ化されたスキルインスタンス化をサポートしていないが、これらは今後の研究の優先課題として特定された。
• 形式的な事前条件と事後条件により、タスク遷移の推論が可能となり、今後の作業では環境モデルの統合により動的適応性を向上させる予定である。