[論文レビュー] qiBullet, a Bullet-based simulator for the Pepper and NAO robots

Maxime Busy, Maxime Caniot|arXiv (Cornell University)|Sep 2, 2019

Robot Manipulation and Learning参考文献 20被引用数 4

ひとこと要約

本論文では、Bullet物理エンジンとPyBulletを用いて、PepperおよびNAOロボットの物理ベースのシミュレータであるqiBulletを紹介する。これは、NAOqiに類似したPython APIまたはROSインターフェースを通じて、ロボットのダイナミクス、センサー、制御の高精度でクロスプラットフォームなシミュレーションを可能にする。並列シミュレーションインスタンスのサポートにより、強化学習、ワークスペース解析、タスク検証などの応用が可能である。

ABSTRACT

The Pepper and NAO robots are widely used for in-store advertizing and education, but also as robotic platforms for research purposes. Their presence in the academic field is expressed through various publications, multiple collaborative projects, and by being the standard platforms of two different RoboCup leagues. Developing, gathering data and training humanoid robots can be tedious: iteratively repeating specific tasks can present risks for the robots, and some environments can be difficult to setup. Software tools allowing to simulate complex environments and the dynamics of robots can thus alleviate that problem, allowing to perform the aforementioned processes on virtual models. One current drawback of the Pepper and NAO platforms is the lack of a physically accurate simulation tool, allowing to test scenarios involving repetitive movements and contacts with the environment on a virtual robot. In this paper, we introduce the qiBullet simulation tool, using the Bullet physics engine to provide such a solution for the Pepper and NAO robots.

研究の動機と目的

• 研究開発におけるPepperおよびNAOロボット用の物理的に正確なシミュレーションツールの不足に対処すること。
• 物理的ハードウェアを損傷のリスクなしに、繰り返し可能な方法で複雑なロボット行動（例：繰り返し運動、環境との相互作用）の安全なテストを可能にすること。
• 機械学習ワークフロー（強化学習や合成データ生成を含む）をサポートする、クロスプラットフォームでオープンソースのシミュレーション環境を提供すること。
• NAOqi APIエミュレーションおよびROSインターフェースを通じて、既存のロボットソフトウェアスタックとのシームレスな統合を実現すること。
• 実世界への展開の前に、ロボット制御ポリシーの開発と検証を容易にすること。

提案手法

• 高精度なダイナミクスシミュレーションとクロスプラットフォーム互換性を確保するため、シミュレータはBullet物理エンジンとPyBullet Pythonモジュールに基づいている。
• ロボットモデルは、質量、慣性、ジョイント設定、メッシュベースの視覚的・衝突モデルを含む、統一ロボット記述フォーマット（URDF）ファイルによって定義されている。
• NAOqi APIに類似したPythonベースのqiBullet APIを実装し、実機と同様に仮想ロボットを透明に制御可能にしている。
• ROSベースのロボティクスパイプラインへの統合を可能にするために、naoqi_driver ROSパッケージをエミュレートするROSラッパーが提供されている。
• 複数の独立したシミュレーションインスタンスをサポートしており、スケーラブルなトレーニングおよびテストの並列実行が可能である。
• RGBおよび深度カメラ、レーザースキャナ、オドメトリなどのセンサーは、実機仕様に一致するようにモデル化されており、解像度は設定可能で、現実的なデータ出力を実現している。

実験結果

リサーチクエスチョン

• RQ1 物理ベースのシミュレータは、研究用途においてPepperおよびNAOロボットのダイナミクスおよびセンサー動作を正確に再現できるか？
• RQ2 シミュレータは、強化学習や合成データ生成を含む機械学習ワークフローをどの程度効果的にサポートできるか？
• RQ3 シミュレータは、歩行、把持、ワークスペース探索などのロボット行動の安全で繰り返し可能なテストをどの程度可能にするか？
• RQ4 NAOqi APIエミュレーションおよびROSインターフェース統合は、既存のロボットソフトウェアスタックとの相互運用性をどの程度良好にサポートするか？
• RQ5 シミュレータは、実世界への展開の前にロボット制御ポリシーの潜在的問題を検出するために使用できるか？

主な発見

• qiBulletは、ジョイント制御、センサー出力、衝突検出を含む、PepperおよびNAOロボットの物理的正確なシミュレーションを実現した。
• シミュレータは最大10個の並列シミュレーションインスタンスをサポートしており、それぞれがワークスペース探索や把持などの独立したタスクを実行可能である。
• Pepperの右腕および左腕のワークスペースは、40,000の有効な設定で計算され、RVizを用いて正規化されたマニピュラビリティ値で可視化された。
• 把持シナリオでは、Bulletエンジンを用いて実際の物理的特性を持つオブジェクトとの相互作用をテストできる能力が示された。
• 歩行タスクの評価により、異なる制御アルゴリズム下でのバランスと安定性をシミュレータで評価可能であることが確認された。
• シミュレータはGitHub上でオープンソースとしてリリースされ、自動テストとPyPIパッケージを介したインストール・配布が容易になっている。