[論文レビュー] Robot Vision Architecture for Autonomous Clothes Manipulation

Li Sun, Gerardo Aragón-Camarasa+2 more|arXiv (Cornell University)|Oct 18, 2016

Robot Manipulation and Learning参考文献 19被引用数 3

ひとこと要約

本論文は、衣類の配置を自律的3次元認識可能にする画期的な階層的ロボットビジョンアーキテクチャを提示する。独自のステレオビジョンシステムとデュアルアームロボットを用いて、きめ細やかな操作を実現する。本手法は自律的 grasping において優れた性能を発揮し、初めて完全に自律的なデュアルアームの平らな処理システムを実証した。これは、シングルアームや Kinect に依存する手法と比較して、操作の繰り返し回数を50％以上削減した。

ABSTRACT

This paper presents a novel robot vision architecture for perceiving generic 3D clothes configurations. Our architecture is hierarchically structured, starting from low-level curvatures, across mid-level geometric shapes \& topology descriptions; and finally approaching high-level semantic surface structure descriptions. We demonstrate our robot vision architecture in a customised dual-arm industrial robot with our self-designed, off-the-self stereo vision system, carrying out autonomous grasping and dual-arm flattening. It is worth noting that the proposed dual-arm flattening approach is unique among the state-of-the-art robot autonomous system, which is the major contribution of this paper. The experimental results show that the proposed dual-arm flattening using stereo vision system remarkably outperforms the single-arm flattening and widely-cited Kinect-based sensing system for dexterous manipulation tasks. In addition, the proposed grasping approach achieves satisfactory performance on grasping various kind of garments, verifying the capability of proposed visual perception architecture to be adapted to more than one clothing manipulation tasks.

研究の動機と目的

• ロボット分野における変形物体の操作のための汎用的かつ再利用可能なビジョンアーキテクチャの不足に対処する。
• 衣類の認識と操作のための一時的でセンサに依存する解決策の限界を克服する。
• 複数の操作タスクに対応できる、複雑な3次元衣類配置を解析可能な認識システムを開発する。
• 高品質な深度センシングを活用して、しわのある衣類を効率的かつ自律的にデュアルアームで平らに処理できるようにする。
• キネクトのような商業用RGB-Dセンサと比較して、きめ細やかな操作タスクにおける独自のステレオビジョンシステムの優位性を実証する。

提案手法

• 低レベルの曲率から高レベルの意味的表面構造までを処理する階層的ビジュアル認識アーキテクチャを設計する。
• 衣類のテクスチャと深度精度に最適化されたGPUアクセラレートステレオマッチャーを搭載した、高解像度の市販オプトマルチステレオヘッドを統合する。
• ステレオビジョンシステムとデュアルアームロボットの間でハンド・イン・アイキャリブレーションを実施し、操作のための正確な空間整合性を確保する。
• 3次元表面形状とトポロジー解析を用いて、しわやグリップトライアングルといった重要な衣類特徴を検出する。
• 視覚フィードバックがデュアルアームの協調的動作を指導致す、繰り返しの平ら化操作を含む認識-操作サイクルを実装する。
• 対称的かつ協調的な力を適用するデュアルアーム戦略を採用し、シングルアーム手法と比較して、長大なしわをより効率的に平らに処理する。

実験結果

リサーチクエスチョン

• RQ1 複数の操作タスクに適応可能な、汎用的で階層的なビジョンアーキテクチャを設計できるか？
• RQ2 キネクトのような商業用RGB-Dセンサと比較して、独自の高解像度ステレオビジョンシステムは、きめ細やかな衣類操作においてどの程度優れているか？
• RQ3 シングルアームやテーブルベースの手法と比較して、デュアルアームの平ら化戦略は、必要な操作繰り返し回数をどの程度削減できるか？
• RQ4 提案されたビジョンアーキテクチャは、多様な衣類タイプにわたり、グリップポイントや構造的特徴（例：しわ）を安定して検出できるか？
• RQ5 高品質な深度センシングと意味的3次元パースングを統合することで、自律的衣類操作の成功確率と効率が顕著に向上するか？

主な発見

• 提案されたデュアルアーム平ら化システムは、タオルで平均4.7回、ショートパンツで6.3回、Tシャツで8.9回の繰り返し回数（RNI）にまで低減し、衣類タイプに応じた適応性を示した。
• デュアルアーム平ら化では平均4.7回の繰り返しで、シングルアーム手法の9.5回と比較して50％の効率向上を達成した。
• 独自のステレオビジョンシステムは、キネクトに類似したXtionセンサと比較して、RNIを半分以下にまで低減した。これは、より高い深度解像度と低ノイズ（0.5cm未満の高周波数ノイズ）によるものである。
• ステレオヘッドにより、長大なしわの正確な検出と、正確な変位推定が可能となり、低品質な深度センサが長大なしわを短いしわに分割してしまう問題を回避した。
• グリップ戦略は、多様な衣類タイプで安定した性能を発揮し、認識アーキテクチャが複数のタスクに適応可能であることを裏付けた。
• 階層的ビジュアルアーキテクチャは、しわやグリップトライアングルといったランドマークの検出と定量的評価により、複雑な3次元配置を効果的に解析し、信頼性の高い操作計画を可能にした。