[論文レビュー] Robot Motion Planning in Learned Latent Spaces

Brian Ichter, Marco Pavone|arXiv (Cornell University)|Jul 26, 2018

Human Pose and Action Recognition参考文献 18被引用数 6

ひとこと要約

本稿では、自己符号化器、ダイナミクスネットワーク、衝突チェックネットワークを用いて学習された計画可能かつ低次元の潜在空間を用いることで、高次元ロボットシステムにおける運動計画を可能にする、潜在サンプリングベースの運動計画（L-SBMP）を提案する。これらのコンポーネントを生の状態および行動データ上で訓練することで、潜在空間内でのRRTベースのアルゴリズム（L2RRT）によるグローバル計画が可能となり、人間型ロボットおよび視覚的計画タスクで100%の成功率、95%の衝突予測精度を達成した。

ABSTRACT

This paper presents Latent Sampling-based Motion Planning (L-SBMP), a methodology towards computing motion plans for complex robotic systems by learning a plannable latent representation. Recent works in control of robotic systems have effectively leveraged local, low-dimensional embeddings of high-dimensional dynamics. In this paper we combine these recent advances with techniques from sampling-based motion planning (SBMP) in order to design a methodology capable of planning for high-dimensional robotic systems beyond the reach of traditional approaches (e.g., humanoids, or even systems where planning occurs in the visual space). Specifically, the learned latent space is constructed through an autoencoding network, a dynamics network, and a collision checking network, which mirror the three main algorithmic primitives of SBMP, namely state sampling, local steering, and collision checking. Notably, these networks can be trained through only raw data of the system's states and actions along with a supervising collision checker. Building upon these networks, an RRT-based algorithm is used to plan motions directly in the latent space - we refer to this exploration algorithm as Learned Latent RRT (L2RRT). This algorithm globally explores the latent space and is capable of generalizing to new environments. The overall methodology is demonstrated on two planning problems, namely a visual planning problem, whereby planning happens in the visual (pixel) space, and a humanoid robot planning problem.

研究の動機と目的

• 人間型ロボットや視覚空間計画者などの高次元ロボットシステムにおけるサンプリングベースの運動計画（SBMP）の非可解性に対処すること。
• ダイナミクスと衝突制約を保持する低次元の計画可能潜在空間を学習することで、複雑な高次元システムにおけるグローバル運動計画を可能にすること。
• 再訓練なしに新しい環境に一般化可能な、学習された衝突チェック器とダイナミクスモデルを用いて計画を一般化すること。
• サンプリング、ステアリング、衝突チェックといったSBMPの基本的プリミティブを、深層ネットワークを用いた微分可能でエンド・ツー・エンドでトレーニング可能なフレームワークに統合すること。

提案手法

• 高次元ロボット状態の低次元潜在表現を学習するための自己符号化器を訓練し、潜在空間における状態サンプリングを可能にする。
• 潜在空間における状態遷移を予測するダイナミクスネットワークを訓練し、SBMPにおける局所的ステアリングを模倣することで、動的に行き先の接続を可能にする。
• 2つの潜在状態間の軌道が衝突を伴わないかどうかを予測する別個の衝突チェックネットワークを訓練し、新しい環境への一般化を可能にする。
• 学習されたダイナミクスと衝突チェック器を用いて木の拡張をガイドする、学習された潜在RRT（L2RRT）アルゴリズムが潜在空間内でグローバル探索を実行する。
• 最終的な軌道は自己符号化器を介して元の全状態空間に復元され、局所制御手法を用いて実行される。
• すべてのコンポーネントは、エキスパートのデモンストレーションや真値のダイナミクスを必要とせず、生の状態-行動データと補助的な衝突チェック器のみを用いてエンド・ツー・エンドで訓練される。

実験結果

リサーチクエスチョン

• RQ1 学習された潜在空間は、高次元ロボットシステムの本質的ダイナミクスを効果的に符号化し、グローバル運動計画を可能にするか？
• RQ2 生データ上で訓練された衝突チェックネットワークは、再訓練なしに新しい環境にどれほど一般化できるか？
• RQ3 潜在空間内でのRRTベースの計画者が、人間型歩行のような複雑で高次元の問題においても高い成功率と収束性を達成できるか？
• RQ4 学習された潜在空間は、元の状態空間のトポロジー構造をどれほど保持しつつ、効率的な探索を可能にするか？
• RQ5 全状態SBMPと比較して、潜在空間内での計画のサンプル効率と計算コストはどの程度か？

主な発見

• L2RRTは数百サンプル程度の学習後、人間型ロボットの運動計画問題を100%の成功率で解消した。
• 衝突チェックネットワークは、わずか0.7%の偽陽性率を伴い、94.7%の精度を達成し、新しい環境への一般化能力が優れていることが示された。
• 自己符号化器が学習した潜在空間は、重心位置やヨー角といった人間型ロボットの主要なダイナミクスを捉えており、高周波数の関節変動は抑制されていた。
• サンプル数の増加に伴い、軌道コストが収束し、時間経過とともに安定的かつ改善する計画品質を示した。
• 1000サンプルで平均15秒の実行時間となり、実用的な実行性能を示した。
• 本手法は、全状態SBMPが非実行可能な50次元の人間型ロボットシステムや、視覚空間計画においても計画を成功させた。