[論文レビュー] Planning for target retrieval using a robotic manipulator in cluttered and occluded environments

Changjoo Nam, Jinhwi Lee+4 more|arXiv (Cornell University)|Jul 9, 2019

Robotic Path Planning Algorithms被引用数 11

ひとこと要約

本論文は、遮蔽された複雑な環境において、オブジェクトの再配置回数を最小限に抑えることで実行時間を直接短縮する、多項式時間かつ完全な計画アルゴリズムを提案する。ロボットアームが目的のオブジェクトを回収するためのものであり、 grasping と releasing が実行時間の大部分を占める。この手法は、距離最適化ベースラインを上回り、シミュレーションでは最大25.1%の高速化、物理的ロボットを用いた実験では24.1%の高速化を達成した。

ABSTRACT

This paper presents planning algorithms for a robotic manipulator with a fixed base in order to grasp a target object in cluttered environments. We consider a configuration of objects in a confined space with a high density so no collision-free path to the target exists. The robot must relocate some objects to retrieve the target while avoiding collisions. For fast completion of the retrieval task, the robot needs to compute a plan optimizing an appropriate objective value directly related to the execution time of the relocation plan. We propose planning algorithms that aim to minimize the number of objects to be relocated. Our objective value is appropriate for the object retrieval task because grasping and releasing objects often dominate the total running time. In addition to the algorithm working in fully known and static environments, we propose algorithms that can deal with uncertain and dynamic situations incurred by occluded views. The proposed algorithms are shown to be complete and run in polynomial time. Our methods reduce the total running time significantly compared to a baseline method (e.g., 25.1% of reduction in a known static environment with 10 objects

研究の動機と目的

• grasping と releasing が実行時間の大部分を占めるため、オブジェクト再配置回数を最小限に抑えることで、ロボットのターゲット回収における総実行時間を短縮すること。
• 知られている静的で複雑な環境を対象とした、完全かつ多項式時間の計画アルゴリズムの開発。
• 実世界のシナリオにおける遮蔽による不確実性や動的変化に対応できるように、アルゴリズムを拡張すること。
• 視覚統合型ロボットシステムを用いて、シミュレーションおよび物理的実験の両方で手法を検証すること。
• 異なる複雑さの配置条件下でも、距離最適化ベースラインを一貫して上回る性能向上を示すこと。

提案手法

• オブジェクト再配置回数を最小化することを目的とした最適化問題として、タスクの計画をモデル化する。
• 衝突のないエンドエフェクタの経路を特定するために、必要最小限の障害物のみを除去するグラフベースの探索を用いる。
• 部分的にしか知られていない環境では、遮蔽されたオブジェクトを考慮し、新たな観測が得られるたびに計画を動的に更新することで不確実性を扱う。
• アルゴリズムが完全であること、かつ多項式時間で実行可能であることを証明しており、スケーラビリティと信頼性を保証する。
• 物理的実験では、RGB-Dデータを用いてFaster R-CNNによるオブジェクト検出を実施し、運動計画にはRRTと逆運動学を用いる。
• システムはKinova Jaco 1ロボットとKinect V2センサーを統合し、リアルタイムの認識と実行を可能にする。

実験結果

リサーチクエスチョン

• RQ1 距離最適化パス計画と比較して、オブジェクト再配置回数を最小限に抑えることで、タスクの総実行時間が顕著に短縮できるか？
• RQ2 複雑で静的かつ既知の環境において、完全かつ多項式時間のアルゴリズムを設計することが可能か？
• RQ3 計画時時点で一部のオブジェクトが見えない遮蔽による不確実性がある状況下で、提案手法はどのように動作するか？
• RQ4 異なるオブジェクト配置や密度の下でも、アルゴリズムは一貫した性能を維持できるか？
• RQ5 視覚フィードバックを備えた実世界のロボットシステムにおいて、提案手法は効果的にスケーリングできるか？

主な発見

• 10個のオブジェクトを含む既知の静的環境において、提案手法は再配置回数を最大29.0%削減し、総実行時間を25.1%短縮した。
• 物理的ロボット実験では、総実行時間を174.5秒（229.9秒対比）にまで短縮し、24.1%の高速化を達成した。平均して再配置回数は33.3%減少した。
• 提案手法は、ランダムな配置条件下でも性能のばらつきが小さく、ベースライン手法よりも一貫性があり信頼性の高い結果を示した。
• オブジェクト密度が高く、作業領域の到達深さが大きい状況下でも、提案手法は強力な性能を維持し、ベースライン戦略と比較して最大101秒の実行時間短縮を達成した。
• シミュレーションおよび実世界の両環境において、アルゴリズムはスケーラビリティとロバストネスを示し、全テストシナリオで一貫した改善を示した。
• 遮蔽を考慮した計画の採用により、オブジェクト位置の完全な事前知識がなくても、部分的に観測可能な環境でも信頼性の高い運用が可能になった。