[論文レビュー] RMPflow: A Geometric Framework for Generation of Multi-Task Motion Policies

Ching-An Cheng, Mustafa Mukadam+5 more|arXiv (Cornell University)|Jul 25, 2020

Robot Manipulation and Learning参考文献 43被引用数 5

ひとこと要約

RMPflowは、木構造の計算グラフを介してリーマン運動方策（RMP）を統合することで、安定的で反応性のあるマルチタスク運動方針を合成する幾何的制御フレームワークである。非ユークリッド的タスク空間幾何構造を内蔵的にモデル化することにより、自然で障害物回避型のロボット運動を実現し、効率的なメッセージパッシングによりリアルタイム性能を達成するとともに、座標に依存しない幾何的整合性のある方策結合によって安定性を保証する。

ABSTRACT

Generating robot motion for multiple tasks in dynamic environments is challenging, requiring an algorithm to respond reactively while accounting for complex nonlinear relationships between tasks. In this paper, 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 that parameterize non-Euclidean behaviors as dynamical systems in intrinsically nonlinear task spaces. Given a set of RMPs designed for individual tasks, RMPflow can combine these 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 natural Riemannian 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

• 非ユークリッド的タスク空間、特にごみくずが多く入り組んだ動的環境において、安定的で反応性のある運動方針を生成する課題に対処すること。
• 高レベルの行動的目標（例：衝突回避）と低レベルの制御の間のギャップを埋めるために、幾何的制御理論を実装可能で実用的なフレームワークに統合すること。
• 従来の作業空間制御の限界を克服すること。特に、ユークリッド的タスク空間を仮定し、人工的ポテンシャル関数に依存するため、障害物付近で不自然な減速が生じる問題を解消すること。
• タスク空間関係のスパarsity構造を計算グラフの定式化によって活用し、高次元で非線形な方策を組み合わせる際の効率的でリアルタイムな運動生成戦略を確立すること。
• 合成されたグローバル方策における安定性と座標に依存しない動作に関する理論的保証を提供すること。

提案手法

• RMPflowは各タスクをリーマン運動方策（RMP）として表現し、リーマン計量と加速度に基づく制御則を用いて非ユークリッド的ダイナミクスを符号化する。
• RMPが運動学的マッピングを通じて接続された木構造の計算グラフを構築し、階層的な方策統合を可能にする。
• 状態に依存する重み行列をタスク空間幾何構造から導出することで、重み付き最小二乗問題を解き、グローバル加速度方策を計算する。
• 木構造に沿った前向きおよび後向きのメッセージパッシングを実行し、グローバル方策を効率的に計算する。共有計算パスを再利用することで計算効率を向上させる。
• 子タスク空間から親タスク空間へのRMPのマッピングにプルバック操作を用いることで、幾何的整合性を確保し、内在的曲率と非線形性を保持する。
• ポテンシャル関数のヘッセ行列とリーマン計量の構造に関する十分条件を満たせば、リャプノフ解析を用いて理論的に安定性が保証される。

実験結果

リサーチクエスチョン

• RQ1 非ユークリッド的運動方策を統合し、高自由度ロボットのための単一で安定したグローバル方策を生成する幾何的に整合性のあるフレームワークを開発できるか？
• RQ2 障害物や運動学的制約によって誘発されるタスク空間の内在的曲率を活用することで、人工的ポテンシャル場に依存せずに自然で反応性のある運動を生成できるか？
• RQ3 複雑なタスク空間における高次元で非線形な方策を統合する際、リアルタイム性能を達成するための計算戦略は何か？
• RQ4 RMPflowの方策合成アルゴリズムが安定的かつ座標に依存しない動作を保証される条件は何か？
• RQ5 RMPコンポーネントの学習ベース設計を可能にするために、このフレームワークをどのように拡張できるか？

主な発見

• RMPflowは、再計画を伴わずに、曲がったタスク空間における測地線に自然に従うことで、高自由度の操作タスク（例：ごみくずが多く入り組んだ物体の操作）において滑らかで反応性のある運動を実現する。
• 木構造の計算グラフに沿った効率的なメッセージパッシングにより、高価なグローバル最適化を回避することで、リアルタイム性能を達成する。
• 実験では、RMPflowがポテンシャル場ベースの手法で一般的に見られる減速アーティファクトを回避する自然で障害物回避型の行動を生成することが示された。
• システムは、深度カメラからの視覚フィードバックとDARTを介したリアルタイム追跡を統合し、世界の堅牢な表現を維持するとともに、二本アームの操作を調整する。
• 初期化誤差が並進方向で最大0.5フィート、回転方向で同程度のスケールであっても、DARTが正しい構成に迅速に収束するため、ロバストである。
• 理論的分析により、RMPflowが内在的に座標に依存せず、リーマン計量とポテンシャル関数ヘッセ行列に関する緩い条件下で安定であることが確認された。