[論文レビュー] Real-time policy generation and its application to robot grasping

Masoud Baghbahari, Aman Behal|arXiv (Cornell University)|Aug 15, 2018

Robotic Path Planning Algorithms参考文献 7被引用数 3

ひとこと要約

本論文は、触覚フィードバックとリアルタイムの動的モデリングを用いて、操作中に物体との接触を維持するリアルタイムの grasping ポリシーを提示する。事前の大量トレーニングを必要とせず、シミュレーションおよび実世界の実験で有効性が確認された。

ABSTRACT

Real time applications such as robotic require real time actions based on the immediate available data. Machine learning and artificial intelligence rely on high volume of training informative data set to propose a comprehensive and useful model for later real time action. Our goal in this paper is to provide a solution for robot grasping as a real time application without the time and memory consuming pertaining phase. Grasping as one of the most important ability of human being is defined as a suitable configuration which depends on the perceived information from the object. For human being, the best results obtain when one incorporates the vision data such as the extracted edges and shape from the object into grasping task. Nevertheless, in robotics, vision will not suite for every situation. Another possibility to grasping is using the object shape information from its vicinity. Based on these Haptic information, similar to human being, one can propose different approaches to grasping which are called grasping policies. In this work, we are trying to introduce a real time policy which aims at keeping contact with the object during movement and alignment on it. First we state problem by system dynamic equation incorporated by the object constraint surface into dynamic equation. In next step, the suggested policy to accomplish the task in real time based on the available sensor information will be presented. The effectiveness of proposed approach will be evaluated by demonstration results.

研究の動機と目的

• 時間のかかる事前トレーニングフェーズに依存しないリアルタイム grasping ポリシーの開発を目的とする。
• ビジョンや大規模データセットに依存せず、即時のタッチセンサおよび近接センサデータのみを用いてロボットが物体をつかめるようにすることを目的とする。
• 動的システムモデリングを用いて、移動およびアライメント中に物体との連続的接触を維持することを目的とする。
• 限られた計算リソースと不確実性の下でのロボット grasping におけるリアルタイム意思決定の課題に対処することを目的とする。

提案手法

• 本手法は、物体の制約表面を物理的境界として組み込んだ動的システムモデルを用いて、ロボット-物体相互作用を定式化する。
• 即時のセンサデータ（具体的にはタッチおよび近接フィードバック）を用いて、物体の形状および表面幾何を推定する。
• 接触維持を保証する制約付き最適化問題を解くことで、オンラインで制御ポリシーを生成する。
• ポリシーはシステムの動的方程式から導出され、ライブセンサ入力に基づいて繰り返し更新される。
• 学習ベースやデータ集約型の手法を避けて、接触ダイナミクスの解析的モデリングに依存する。
• 低レイテンシ実行を想定したアルゴリズム設計により、標準的なロボットプラットフォームでもリアルタイム動作が可能となる。

実験結果

リサーチクエスチョン

• RQ1 ロボットは、事前トレーニングモデルや大規模データセットに依存せずに、リアルタイムで grasping ポリシーを生成できるか？
• RQ2 タッチおよび近接フィードバックのみを用いて、物体との連続的接触を維持するための動的モデリングアプローチは何か？
• RQ3 物体の幾何形状の不確実性およびセンサ測定ノイズの下でも、リアルタイム制御はどのように達成できるか？
• RQ4 物体接近および操作中に、安定したアライメントと接触維持を保証する制御戦略は何か？
• RQ5 ビジョンフリーかつ学習フリーなポリシーは、実世界のシナリオで信頼性のある grasping 性能を達成できるか？

主な発見

• 提案されたポリシーは、組み込みロボットシステムに適した最小限の計算オーバーヘッドでリアルタイム grasping 決定を可能にする。
• シミュレーションおよび実験結果により、運動軌道全体にわたり物体との接触が維持されていることが確認された。
• ビジョン入力が不要な状態で、タッチおよび近接センサデータのみを用いて物体表面との安定したアライメントが達成された。
• センサノイズおよび物体幾何の不確実性に対しても、本手法は頑健性を示した。
• 事前トレーニングや学習フェーズが存在しないため、セットアップ時間およびリソース消費が著しく削減された。
• シミュレーションおよび実世界のロボット実験の両方で有効性が実証され、実用的実現可能性が示された。