[論文レビュー] Picking a Conveyor Clean by an Autonomously Learning Robot

Janne V. Kujala, Tuomas J. Lukka+1 more|arXiv (Cornell University)|Nov 24, 2015

Robot Manipulation and Learning参考文献 6被引用数 5

ひとこと要約

本論文では、グリッパーのセンサからのリアルタイムフィードバックと段階的機械学習を用いて、新規で不規則な廃棄物オブジェクトをコンveyor ベルトでピッキングする性能を自己学習的に向上させる自律的ロボットシステムを提示する。システムは自己キャリブレーションを行い、幾何モデルを用いてピッキングポーズをサンプリングし、時間の経過とともに成功確率を向上させ、人為的介入なしに複雑な山の中から80個中70個を正しく分類した。

ABSTRACT

We present a research picking prototype related to our company's industrial waste sorting application. The goal of the prototype is to be as autonomous as possible and it both calibrates itself and improves its picking with minimal human intervention. The system learns to pick objects better based on a feedback sensor in its gripper and uses machine learning to choosing the best proposal from a random sample produced by simple hard-coded geometric models. We show experimentally the system improving its picking autonomously by measuring the pick success rate as function of time. We also show how this system can pick a conveyor belt clean, depositing 70 out of 80 objects in a difficult to manipulate pile of novel objects into the correct chute. We discuss potential improvements and next steps in this direction.

研究の動機と目的

• 人為的介入を最小限に抑えて、新規で不規則な廃棄物オブジェクトに対するピッキング性能を自律的に向上させるロボットシステムの開発。
• 簡素化された自動手順を用いて、ロボットおよびセンサーシステムの自己キャリブレーションを可能にする。
• フィードバック駆動学習を用いることで、人為的アノテーションやハードコードされたピッキングルールへの依存を低減する。
• 実世界の産業的廃棄物分別シナリオにおける自律的学習の実現可能性を示す。
• 強化学習とセンサフィードバックの有効性を、非構造的環境における頑健で適応的なピッキングに活用する可能性を検討する。

提案手法

• 本システムは、3次元カメラ（Asus Xtion）と、広開口で柔軟性のあるグリッパーを備えたゲンツリー・ロボットを用い、深度画像を取得し、ピッキングを実行する。
• 射影変換を用いて、3次元カメラの座標をロボットのゲンツリー座標系に自動的にキャリブレートする。
• 深度画像を等角高さマップに投影し、隠れた領域は未知としてマークすることで、ピッキング計画の精度を向上させる。
• 2段階の学習アプローチを採用：ハードコードされた幾何モデルが候補となるピッキングハンドルを生成し、機械学習モデルがフィードバックに基づいて最良のものを選択する。
• 全ピッキング試行の履歴データを用いて、10秒ごとに学習モデルを再訓練することで、段階的な性能向上を実現する。
• グリッパーからのフィードバック（力の測定値や開閉状態など）が、ピッキングが成功したかどうかを判断し、学習プロセスをガイドする。

実験結果

リサーチクエスチョン

• RQ1 人為的アノテーションなしに、新規で不規則な廃棄物オブジェクトに対するピッキング成功確率を自律的に向上させることができるか？
• RQ2 実世界の非構造的産業環境において、フィードバックに基づく段階的学習はどの程度効果的か？
• RQ3 自己キャリブレーションとセンサフィードバックは、人的なシステムチューニングの必要性をどの程度低減できるか？
• RQ4 1台の上部に設置されていない3次元カメラが、ピッキング計画および性能に及ぼす影響は何か？
• RQ5 影、細いオブジェクト、ピッキング中のオブジェクトの滑りといった困難なケースに対して、システムはどのように対処するか？

主な発見

• システムはフィードバックを介した段階的学習により、時間の経過とともにピッキング成功確率を自律的に向上させた。
• 初期学習期間を経て、ロボットは複雑な新規の山の中から80個中70個を正しいチャンネルに正常に配置した。
• 上部カメラを搭載していなくても、1台のサイドマウントされた3次元カメラに依存することで、信頼性の高い性能を達成した。
• 学習モデルは、低スコアのピッキングを回避し、ノイズや影による誤検出をフィルタリングすることで、失敗ピッキングを低減した。
• システムはオブジェクトの滑りに対しても耐性を示し、失敗したピッキングを再試行でき、低成功率の影響を最小限に抑えた。
• プロトタイプは約6秒のサイクル時間を達成しており、生産レベルの速度に最適化可能である可能性を示した。