[論文レビュー] Solving Service Robot Tasks: UT Austin Villa@Home 2019 Team Report

Rishi Shah, Yuqian Jiang+9 more|arXiv (Cornell University)|Sep 14, 2019

Robotics and Automated Systems参考文献 13被引用数 4

ひとこと要約

本論文は、UT Austin Villa@Home 2019 チームが Toyota HSR プラットフォームを用いて、認識、ナビゲーション、操作、人間-ロボットインタラクションなどの AI 技術を統合し、幅広い自律サービスロボットタスクを実行するアプローチを提示する。ハードウェアの問題により完全なコンペティションデモンストレーションが不可能であったが、ナビゲーション、人物追跡、物体配置の分野で顕著な進展を遂げ、強固で統合的な HRI システムにおける主な課題と今後の方向性を示した。

ABSTRACT

RoboCup@Home is an international robotics competition based on domestic tasks requiring autonomous capabilities pertaining to a large variety of AI technologies. Research challenges are motivated by these tasks both at the level of individual technologies and the integration of subsystems into a fully functional, robustly autonomous system. We describe the progress made by the UT Austin Villa 2019 RoboCup@Home team which represents a significant step forward in AI-based HRI due to the breadth of tasks accomplished within a unified system. Presented are the competition tasks, component technologies they rely on, our initial approaches both to the components and their integration, and directions for future research.

研究の動機と目的

• RoboCup@Home 2019 コンペティションにおいて、多様な家庭内タスクを実行可能な統合的で自律的なサービスロボットシステムを開発すること。
• 認識、ナビゲーション、操作、HRI といった複数の AI サブシステムを、強固でリアルタイムなシステムに統合する課題に対処すること。
• 人物追跡やジェスチャー認識といった応答性があり文脈に適った行動を実装することで、AI を用いた人間-ロボットインタラクションを進展させること。
• ハードウェア制限がある中でも、実世界の制約下でのコンponent技術およびその統合のパフォーマンスを評価・文書化すること。
• 構造的でない、人間中心の環境における自律サービスロボットのための主要な研究ギャップと今後の方向性を特定すること。

提案手法

• ホロノミックベース、4-DoF アーム、RGBD ヘッドカメラを備えた Toyota HSR ロボットを用い、リアルタイムのディープラーニング推論を実行するための外部 GPU ラップトップを追加した。
• 認識タスクには YOLO を用いて物体検出を行い、OpenPose を用いて人体キーポints推定を実施し、LIDAR や統合されたポイントクラウドコストマップを用いて障害物および物体の局所化を実現した。
• ナビゲーションと経路計画は、ローカルコストマップと A* プランニングに基づき、人物または物体の方向へ最短経路に沿って最も遠くで衝突のない点をターゲット位置として計算した。
• 人物追跡は、探索と追跡を調整する行動ツリーフレームワークを用いて実装され、ターゲットを特定するためにウェーブジェスチャーが使用された。
• 食器洗い機への物資の収納やテーブルの清掃といった操作タスクでは、初期位置合わせの後、センサーフュージョンを用いて目に見える幾何的特徴（例：食洗機のコーナー）に一致させることで、位置合わせを精密化した。
• システムは意味的推論を用いて物体配置をガイドし（例：パントリー内での類似物のグループ化）、レストランタスクではジェスチャー認識を活用して顧客の要求を検出していた。

実験結果

リサーチクエスチョン

• RQ1 統合的ロボットシステムは、認識、ナビゲーション、操作、HRI といった複数の AI コンponentを、強固で自律的なサービスロボットに効果的に統合できるか？
• RQ2 構造的でない、動的な環境（例：模擬住宅）において、リアルタイムで応答性のある人間-ロボットインタラクションを実現するにあたり、どのような課題が生じるか？
• RQ3 正確な局所化が困難であり、失敗により失格となるような状況下で、物体の配置や回収といった操作タスクをどのようにして信頼性高く実行できるか？
• RQ4 行動ツリーとセンサーフュージョンは、現実世界の環境におけるナビゲーションとターゲット追跡の信頼性をどの程度向上させられるか？
• RQ5 人間の好み（例：物体のグループ化）の意味的理解は、サービスロボティクスにおけるタスク成功確率と自然さの向上にどのような役割を果たすか？

主な発見

• チームは、人物追跡、ジェスチャー検出、物体配置のコアな機能を成功裏にデモンストレーションした。ロボットは視覚的および LIDAR ベースのコーナー検出を用いて食洗機に正確に位置合わせできた。
• 行動ツリーに基づくシステムにより、混雑していない環境では応答性があり信頼性の高い人物追跡が実現されたが、高密度または動的な状況では性能が低下した。
• LIDAR と視覚データを統合することで、ロボットは食洗機に正確に一致させることができ、正確な物体配置が保証され、失格を回避した。
• ジェスチャーに基づく検出（例：手を振る）により、レストランタスクにおいてアクティブな顧客を特定でき、マップレスなナビゲーションで安全な距離まで到達できた。
• ハードウェア障害によりコンペティション全体のパフォーマンスが達成できなかったものの、全タスクで成功した試行を文書化し、統合的アプローチの実現可能性を示した。
• 本研究では、実世界の HRI 応用における耐障害性を高めるために、人物の再識別およびセンサーフュージョン技術の改善が求められることを明らかにした。