[論文レビュー] Task-Oriented Hand Motion Retargeting for Dexterous Manipulation Imitation

Dafni Antotsiou, Guillermo Garcia-Hernando+1 more|arXiv (Cornell University)|Oct 3, 2018

Robot Manipulation and Learning参考文献 32被引用数 6

ひとこと要約

本論文は、ノイズの多いポーズ推定から29自由度の人体に類似したハンドモデルへの手の動きのリターゲティングを改善するため、逆運動学とタスク指向のエネルギー最小化を組み合わせたハイブリッド粒子群最適化（PSO）手法を提案する。この手法により、タスク目的を最適化することで、ガバナンスの成功率が向上し、シミュレーション内での実世界の人間のデモンストレーションを用いたGAILによるロバストな模倣学習が可能になる。

ABSTRACT

Human hand actions are quite complex, especially when they involve object manipulation, mainly due to the high dimensionality of the hand and the vast action space that entails. Imitating those actions with dexterous hand models involves different important and challenging steps: acquiring human hand information, retargeting it to a hand model, and learning a policy from acquired data. In this work, we capture the hand information by using a state-of-the-art hand pose estimator. We tackle the retargeting problem from the hand pose to a 29 DoF hand model by combining inverse kinematics and PSO with a task objective optimisation. This objective encourages the virtual hand to accomplish the manipulation task, relieving the effect of the estimator's noise and the domain gap. Our approach leads to a better success rate in the grasping task compared to our inverse kinematics baseline, allowing us to record successful human demonstrations. Furthermore, we used these demonstrations to learn a policy network using generative adversarial imitation learning (GAIL) that is able to autonomously grasp an object in the virtual space.

研究の動機と目的

• 高自由度の人体に類似したハンドモデルへのノイズの多いリアルタイムの手のポーズ推定値をリターゲティングする課題に対処すること。
• モーションリターゲティングにタスク固有の目的を組み込むことで、ポーズ推定のノイズやドメインギャップへの感受性を低減し、ガバナンスの成功率を向上させること。
• 深度カメラと最新のハンドポーズ推定器を用いて、模倣学習に適したエキスパートデモンストレーションの信頼性の高い収集を可能にすること。
• リターゲティングされた人間の動きを用いて、シミュレーション内での模倣ポリシーを訓練するためのロバストなパイプラインの開発すること。

提案手法

• 推定された人間の関節角度に基づき、逆運動学（IK）を用いて29自由度のモデルにおけるハンドポーズを初期化する。
• ハイブリッドPSOアルゴリズムが、ポーズ整合性とタスク固有の目的を含む複合エネルギー関数を最小化することで、IK解を精緻化する。
• タスク目的関数 $E_{task}$ は、ハンドの指とターゲットオブジェクトとの接触を促進し、グリップの安定性と成功確率を向上させる。
• 粒子の位置がハンドの構成を表し、適合度評価に基づいて速度が更新されるように、PSOを繰り返し最適化することでエネルギー関数を最適化する。
• 最終的なリターゲティングされた軌道を用いて、シミュレーション内での自律的ガバナンスを実現する生成的対抗的模倣学習（GAIL）ポリシーを訓練する。
• GAILポリシーは行動コーディングで事前学習され、TRPOを用いてさらに精錬され、軌道の一貫性と一般化性能が保証される。

実験結果

リサーチクエスチョン

• RQ1 PSOによるタスク指向最適化は、標準的な逆運動学と比較して、リターゲティングされたハンドモーションのガバナンスタスクにおける成功率を顕著に向上させるか？
• RQ2 ハイブリッドPSO-IKアプローチは、オブジェクト操作中のノイズや遮蔽を効果的に処理できるか？
• RQ3 深度カメラからのリターゲティングされた人間のデモンストレーションは、器用な操作のための一般化可能な模倣ポリシーを学習するためにどの程度有効に利用できるか？
• RQ4 タスクエネルギー関数における異なる重みパラメータは、ガバナンス性能とモーションの妥当性にどの程度の影響を及ぼすか？

主な発見

• ハイブリッドPSO手法は逆運動学ベースラインと比較して顕著な改善を示し、最適パラメータ設定下で成功率比が最大40%向上した。
• 25個の粒子と25回の反復で近似的に最適な性能が得られ、100回を超えると利得が著しく減少した。
• タスクエネルギー関数 $E_{task}$ は成功の鍵であった：$\omega_{task} = 1$ に設定した場合、中間の値よりも結果が悪く、タスクとポーズ忠実度のバランスが不可欠であることが示された。
• GAILポリシーは初期状態が観測済み条件下では高い成功率を達成したが、初期状態のノイズが増加するにつれて性能が急激に低下し、一般化の限界が浮き彫りになった。
• 本手法により、特別なモーショントラッキングシステムを必要とせず、深度カメラ入力からキネマティック的に妥当でタスクに成功する人間のデモンストレーションを直接収集可能となった。
• 本フレームワークは、シミュレーション環境内での実世界の人間の運動データを用いたエンドツーエンドの器用な操作の模倣学習の実現可能性を示した。