[論文レビュー] Planning and Resilient Execution of Policies For Manipulation in Contact with Actuation Uncertainty

Calder Phillips-Grafflin, Dmitry Berenson|arXiv (Cornell University)|Mar 29, 2017

Robot Manipulation and Learning被引用数 8

ひとこと要約

本論文は、接触、ばく動性、レジリエンスを統合することで、作動力の不確実性下でもロボット操作方針の計画と実行を行う2段階的手法を提示する。粒子ベースの不確実性モデリングとRRTベースの計画を用いて部分方針を生成し、実行中に予期しない変化に対応してそれをオンラインで適応させる。Baxterシミュレーションでは79%の成功率を達成し、障害物によるブロック状態では73%の成功率を示し、ベースライン手法を上回った。

ABSTRACT

We propose a method for planning motion for robots with actuation uncertainty that incorporates contact with the environment and the compliance of the robot to reliably perform manipulation tasks. Our approach consists of two stages: (1) Generating partial policies using a sampling-based motion planner that uses particle-based models of uncertainty and simulation of contact and compliance; and (2) Resilient execution that updates the planned policies to account for unexpected behavior in execution which may arise from model or environment inaccuracy. We have tested our planner and policy execution in simulated SE(2) and SE(3) environments and Baxter robot. We show that our methods efficiently generate policies to perform manipulation tasks involving significant contact and compare against several simpler methods. Additionally, we show that our policy adaptation is resilient to significant changes during execution; e.g. adding a new obstacle to the environment.

研究の動機と目的

• 作動力の不確実性が存在する中で、接触とばく動性がタスク成功に不可欠である場合の信頼性の高い操作を実現すること。
• 環境との接触とロボットのばく動性を組み込む計画フレームワークを開発し、操作中の不確実性を低減すること。
• 実行中に予期しない環境的要因やモデルの不正確さに応じて、動的に方針を適応させることで、レジリエントな実行を可能にすること。
• 不確実性やレジリエンスを考慮しない単純なプランナーよりも、高不確実性・接触が重要なタスクにおける成功確率を向上させること。

提案手法

• 本手法は信念空間定式化を用い、粒子ベースの表現を用いてロボット状態の不確実性を確率分布としてモデル化する。
• サンプリングに基づくRRTプランナが、作動力の不確実性下での接触・ばく動性ダイナミクスをシミュレートすることで、部分方針を生成する。前方シミュレーションを用いて結果を予測する。
• 複数の結果を伴うアクションを扱うために、スプリットとリバーシビリティをモデル化する。スプリットはクラスタリング（例：WCR）により異なる結果のクラスタを特定し、リバーシビリティにより失敗したアクションの再試行を可能にする。
• オンライン方針適応は、実行中に失敗したアクションを検出し、リアルタイムで方針を変更することで、障害物を避けるか、予期しない状態から回復する。
• プランナは、グローバル最適性を求める代わりに、最小成功確率 $P_{\text{goal}}$ 以上でゴール到達を達成する方針を生成するよう、コンフォーマントプランニングからのしきい値処理を用いる。
• 本手法は、作動力の不確実性を切断正規分布としてモデル化した、$SE(2)$、$SE(3)$、および7自由度のBaxterロボット（$\mathbb{R}^7$）のシミュレーションで評価された。

実験結果

リサーチクエスチョン

• RQ1 接触とばく動性を組み込んだモーションプランナが、作動力の不確実性下でも信頼性の高い方針を生成できるか？
• RQ2 実行中に予期しない変化（例：新たな障害物）が生じた場合、オンライン方針適応はレジリエンスをどのように向上させるか？
• RQ3 接触が重要なタスクにおいて、不確実性に配慮した計画は、単純で非適応型のプランナーよりもどの程度性能向上をもたらすか？
• RQ4 粒子ベースの信念モデルとクラスタリングを用いることで、決定論的または接触に無関心な手法と比較して、方針のレジリエンスはどの程度向上するか？
• RQ5 部分方針生成とリアルタイム適応の組み合わせは、動的または不確実な環境下での成功確率にどのように影響を与えるか？

主な発見

• SE(3)シミュレーションでは、$N_{\text{particles}}=24$ および WCRクラスタリングを用いた本手法の成功確率は0.79であった。これに対して、Contact RRTベースラインは0.70にとどまった。
• 本手法は、解決策の多様性（17.2 vs. 6.33 平均解決策/方針）が高く、計画時間も長く（65.4s vs. 8.42s）なっており、不確実性のより深い探索を示している。
• 平面的$SE(2)$環境で実行中に新たな障害物が挿入された場合、73%の方針が正常に適応しタスクを完了した。これは、変更なしの環境では97%の成功率であった。
• 障害物あり環境では、平均アクション数が15.4から26.7に増加し、障害物回避に起因するより長いパスを示したが、依然として高い成功確率を達成した。
• 本手法は、モデルの不正確さや環境変化に対してもレジリエンスを示し、実行中に予期しない障害物に直面しても高い成功確率を維持した。
• 結果から、ばく動性、接触、オンライン適応の統合が、不確実性下での操作タスクにおける信頼性を顕著に向上させることを確認した。