[論文レビュー] RMPflow: A Computational Graph for Automatic Motion Policy Generation

Ching-An Cheng, Mustafa Mukadam+5 more|arXiv (Cornell University)|Nov 16, 2018

Robot Manipulation and Learning参考文献 34被引用数 24

ひとこと要約

RMPflow は、非線形タスク空間におけるリーマン運動方策（RMP）の幾何的に一貫した統合を可能にする計算グラフフレームワークであり、安定的で反応性のある運動方策の生成を実現する。速度および位置に依存するリーマン計量を活用することで、障害物回避とゴール吸引を自然に表現し、外部ポテンシャル場を必要とせず滑らかで測地線に類似した軌道を生成する。また、リーマン多様体上の運動方策の幾何的整合性を保ちながら、双アーム操作タスクにおいてもリアルタイムでの性能を示し、リャプノフ安定性を明示的に保証する。

ABSTRACT

We develop a novel policy synthesis algorithm, RMPflow, based on geometrically consistent transformations of Riemannian Motion Policies (RMPs). RMPs are a class of reactive motion policies designed to parameterize non-Euclidean behaviors as dynamical systems in intrinsically nonlinear task spaces. Given a set of RMPs designed for individual tasks, RMPflow can consistently combine these local policies to generate an expressive global policy, while simultaneously exploiting sparse structure for computational efficiency. We study the geometric properties of RMPflow and provide sufficient conditions for stability. Finally, we experimentally demonstrate that accounting for the geometry of task policies can simplify classically difficult problems, such as planning through clutter on high-DOF manipulation systems.

研究の動機と目的

• 障害物や運動学的制約によって誘発される内在的な非ユークリッド幾何構造をモデル化するためのユークリッドタスク空間制御の限界を克服すること。
• 局所的なRMPを幾何的に整合性を保ちながら統合し、グローバルな運動方策を生成する安定的で計算的に効率的なフレームワークの開発。
• 曲率に敏感なダイナミクスを運動方策に組み込むことで、複雑な環境における高自由度ロボットの反応性・リアルタイム制御を実現すること。
• 座標に依存しない幾何的に整合性のあるポリシー合成により、ロボットのボディタイプに跨る一般化を可能にすること。

提案手法

• RMPflow は、再帰的ニュートン・オルンハイマー法にインspiredされた木構造の計算グラフを用いて、非線形空間に一般化された形で局所的RMPを再帰的に統合する。
• 位置と速度に依存するリーマン計量を採用することで、非ユークリッドタスク空間の内在的挙動を正確にモデル化可能となる。
• RMPの統合に際してリャプノフ安定性を保証する明示的条件を適用し、制御信号の衝突が生じても安定性を維持する。
• ポリシー合成における計算効率を維持するため、スパース構造の活用を実施する。
• DARTを介したリアルタイムの視覚的認識とボクセル化された距離場を用いた障害物表現を統合する。
• 実用的な安定性を確保するため、減衰項および曲率項を適用し、特に高速走行時においても安定性を維持する。また、ポリシーの異なるロボットアーキテクチャへの一般化を可能にする。

実験結果

リサーチクエスチョン

• RQ1 非線形的かつ非ユークリッド的タスク空間において、RMPを幾何的に整合的かつ一貫して統合することで、グローバルな安定な運動方策を生成する方法は何か？
• RQ2 ゴール吸引と衝突回避といった対立する目的を持つ複数のRMPを統合する際、どのような条件下でリャプノフ安定性が保証されるか？
• RQ3 位置および速度に依存するリーマン計量を用いることで、高自由度の操作におけるポリシーの表現力と反応性が向上するか？
• RQ4 RMPflow は、再トレーニングを伴わずに、異なるロボットアーキテクチャ間で一貫したポリシー転送をどのように実現するか？
• RQ5 曲率に敏感なダイナミクスを組み込むことで、ごみだらけの環境における複雑な運動計画問題（例：複雑な操作）はどの程度簡略化できるか？

主な発見

• RMPflow は、タスク空間の誘導される曲率を埋め込むことで、障害物を自然に避けながら滑らかで測地線に類似した軌道を生成し、人工ポテンシャル場の必要性を排除する。
• 幾何的整合性と十分な減衰を組み合わせることで、制御器が衝突する場合でもリャプノフ安定性が明示的に保証される。
• 実験により、速度および位置に依存するリーマン計量を用いることで、等方的計量に比べて障害物回避がより高速かつ効果的であることが示された。
• 本システムは、双アーム操作プラットフォーム（Baxter および YuMi）において完全に反応性がありリアルタイムの制御を実現し、ごみだらけの環境におけるピックアンドプレースタスクや動的ヒューマンインタラクションにも成功している。
• 異なるロボット（例：ABB IRB120、Kuka）間でのポリシー一般化は経験的に一貫しており、ただし曲率項が欠落していると高速走行時において性能が低下する傾向がある。
• DARTを用いたリアルタイム追跡とボクセル化された距離場の統合により、最小限のキャリブレーションで、堅牢な知覚-行動ループが実現された。