[論文レビュー] Planning Grasps for Assembly Tasks

Weiwei Wan, Kensuke Harada+1 more|arXiv (Cornell University)|Mar 5, 2019

Robot Manipulation and Learning参考文献 41被引用数 5

ひとこと要約

本論文は、グリッパーとスリーブカップの工業用エンドエフェクタ向けに、CADモデルの重ね合わせセグメンテーションを前処理として用いるモデルベースのグリップ計画フレームワークを提案する。これにより、正確で安定的かつ高スループットのグリップ合成が可能となる。本手法は2mm未満のポーズ精度を達成し、低品質なCADモデルに対してもロバストであるため、最小限の手動介入で信頼性の高いロボットアセンブリおよびビンピッキングタスクが実現可能である。

ABSTRACT

This paper develops model-based grasp planning algorithms for assembly tasks. It focuses on industrial end-effectors like grippers and suction cups, and plans grasp configurations considering CAD models of target objects. The developed algorithms are able to stably plan a large number of high-quality grasps, with high precision and little dependency on the quality of CAD models. The undergoing core technique is superimposed segmentation, which pre-processes a mesh model by peeling it into facets. The algorithms use superimposed segments to locate contact points and parallel facets, and synthesize grasp poses for popular industrial end-effectors. Several tunable parameters were prepared to adapt the algorithms to meet various requirements. The experimental section demonstrates the advantages of the algorithms by analyzing the cost and stability of the algorithms, the precision of the planned grasps, and the tunable parameters with both simulations and real-world experiments. Also, some examples of robotic assembly systems using the proposed algorithms are presented to demonstrate the efficacy.

研究の動機と目的

• 複雑なアセンブリおよびビンピッキングタスクにおける、平行グリッパーおよびスリーブカップなどの工業用エンドエフェクタ向けに、自動的かつ高精度なグリップ計画の欠如に対処すること。
• グリップの安定性と精度を維持しつつ、高精細なCADモデルへの依存度を低減すること。
• 最適化を目的としたロボット操作において、多数の高品質なグリップ設定を自動生成すること。
• 手動による教示やアノテーションなしで、迅速にロボットシステムを再デプロイ可能にすること。
• 正確で衝突のないグリップ計画を通じて、現実世界のロボットアセンブリおよび再グリップタスクを支援すること。

提案手法

• コア技術は重ね合わせセグメンテーションであり、メッシュモデルを重複する調整可能な面部に分解することで、耐障害性と接触検出の精度を向上させる。
• 重ね合わせセグメント上に接触点をサンプリングし、平行な面部を計算することで、グリッパーおよびスリーブカップのグリップポーズ合成をガイドする。
• エンドエフェクタの運動学的モデルと接触・平行性からの幾何的制約を考慮して、グリップ設定を合成する。
• ファセットサイズ、重複、角度閾値などの調整可能なパラメータにより、異なる用途ニーズに合わせたカスタマイズが可能である。
• 運動計画および再グリップ計画パイプラインと統合され、完全なアセンブリタスク実行が可能となる。
• 本手法は、オープンソースのロボットアセンブリシステム「PYHIRO」用のプラグインとして実装されている。

実験結果

リサーチクエスチョン

• RQ1 グリップ計画アルゴリズムは、CADモデル品質への依存度を最小限に抑えつつ、工業用エンドエフェクタ向けに多数の高品質なグリップを生成できるか？
• RQ2 特に低精細な入力モデルを用いた場合でも、グリップ後の物体ポーズをどれほど正確に維持できるか？
• RQ3 重ね合わせセグメンテーションにおける調整可能なパラメータが、グリップ数、精度、計算コストのバランスをどの程度制御できるか？
• RQ4 提案されたグリッププランナーは、手動による教示なしに、現実世界のロボットアセンブリおよび再グリップタスクを成功に導けるか？
• RQ5 ノイズや低解像度のCADモデルを処理する際、計算コストおよび安定性の観点で本手法はどの程度の性能を示すか？

主な発見

• 提案手法は、グリップ後のポーズずれが2mm未満に抑えられ、低品質なCADモデルでも高い精度を示している。
• アルゴリズムは高い安定性と低い計算コストを維持しており、メッシュのノイズや欠陥に対しても耐性がある。
• ファセット角度閾値（θfct）や重複度といった調整可能なパラメータにより、生成されるグリップの数と品質をユーザーが制御可能である。
• 本手法は、カワダ・ネクストージュロボットを用いて現実世界のロボットアセンブリを成功に実行し、正確なピックアンドプレースおよび再グリップ操作を達成した。
• 二本のアームを備えたUR3ロボットは、計画されたグリップを用いて真空ボルトをピックアップし、高い整合性でボルトを締め込むことに成功した。
• HRP5Pロボットは、計画されたグリップを用いて、狭い接触領域でも正確な位置合わせを実現し、有効なツールハンドオーバーを実現した。