[論文レビュー] The CRAM Cognitive Architecture for Robot Manipulation in Everyday Activities

Michael Beetz, Gayane Kazhoyan+1 more|arXiv (Cornell University)|Apr 27, 2023

AI-based Problem Solving and Planning被引用数 7

ひとこと要約

本論文は、知識ベースの推論、生成モデル、デジタルツイン推論を用いて、不定義された行動記述をパrameterizedされた運動計画に変換することで、ロボットが日常的な操作タスクを実行できるようにするハイブリッド認知アーキテクチャ「CRAM」を紹介する。このアーキテクチャは、記号的および準記号的統合に基づいた文脈認識可能で説明可能かつ適応可能な計画を実現し、複雑なキッチンタスクの成功した実行を示している。

ABSTRACT

This paper presents a hybrid robot cognitive architecture, CRAM, that enables robot agents to accomplish everyday manipulation tasks. It addresses five key challenges that arise when carrying out everyday activities. These include (i) the underdetermined nature of task specification, (ii) the generation of context-specific behavior, (iii) the ability to make decisions based on knowledge, experience, and prediction, (iv) the ability to reason at the levels of motions and sensor data, and (v) the ability to explain actions and the consequences of these actions. We explore the computational foundations of the CRAM cognitive model: the self-programmability entailed by physical symbol systems, the CRAM plan language, generalized action plans and implicit-to-explicit manipulation, generative models, digital twin knowledge representation & reasoning, and narrative-enabled episodic memories. We describe the structure of the cognitive architecture and explain the process by which CRAM transforms generalized action plans into parameterized motion plans. It does this using knowledge and reasoning to identify the parameter values that maximize the likelihood of successfully accomplishing the action. We demonstrate the ability of a CRAM-controlled robot to carry out everyday activities in a kitchen environment. Finally, we consider future extensions that focus on achieving greater flexibility through transformational learning and metacognition.

研究の動機と目的

• 日常的なロボット操作における不定義されたタスク仕様の課題に対処すること。
• 知識、経験、予測を用いて文脈に特化した行動生成を可能にすること。
• 統一された認知フレームワーク内において、運動、センサデータ、行動の複数レベルにわたる推論を支援すること。
• ナラティブ対応エピソード記憶とデジタルツイン知識表現を用いて、行動とその結果の説明可能性を提供すること。
• 現実世界の環境（例：キッチン）における自律的で柔軟な操作の実現可能性を実証すること。

提案手法

• CRAMは、記号的推論と準記号的処理を統合したハイブリッド認知アーキテクチャを用い、ロボットが人間のような認知能力を再現する。
• 「取りに行く」「置く」「注ぐ」「切る」などの行動のテンプレートとして一般化された行動計画を用い、文脈に応じた値でパrameter化する。
• 高レベルの行動指定子を、低レベルの運動、位置、物体指定子に変換する3段階のプロセスを実施する：不定義された行動記述の実行、一般化計画の解釈、指定子を実行可能な運動計画に解決する。
• 文脈統合プロセスは、知識とセンサデータに基づき、成功確率を最大化する最適なパrameter値を推定するために生成モデルを用いる。
• デジタルツイン知識表現により、実行前の物理的相互作用とその結果に関するシミュレーションと推論が可能になる。
• ナラティブ対応エピソード記憶により、構造的かつ人間が読みやすいナラティブを用いて、行動とその結果の説明が可能になる。

実験結果

リサーチクエスチョン

• RQ1 認知アーキテクチャは、現実世界の環境において、不定義された行動記述を実行可能で文脈に特化した運動計画にどのように解決できるか？
• RQ2 操作タスクの実行中に、センサデータ、運動、高レベルの行動の複数レベルにわたる推論を可能にするメカニズムは何か？
• RQ3 生成モデルとデジタルツインは、不確実で動的な環境において、行動の結果を予測・最適化するためにどのように利用できるか？
• RQ4 説明可能推論とナラティブ記憶は、ロボット行動の透明性と信頼性をどのように向上させることができるか？
• RQ5 記号的および準記号的処理のハイブリッドは、日常活動における柔軟で適応的かつ自己プログラミング可能なロボット行動をどのように支援するか？

主な発見

• CRAMは、取りに行く、置く、注ぐ、切るなどの複雑な日常的作業タスクをキッチン環境で成功裏に実行し、現実世界の条件下でも堅牢性を示した。
• 生成モデルを用いて文脈と知識に基づき最適パrameterを推定することで、高レベルの行動指定子をパrameter化された運動計画に解決し、タスクの成功を達成した。
• デジタルツインに基づく推論により、行動結果の正確なシミュレーションと予測が可能になり、計画の信頼性と安全性が向上した。
• ナラティブ対応エピソード記憶により、人間が読みやすい説明を生成し、行動とその結果の透明性が向上した。
• 記号的計画と準記号的センシング・学習の統合により、変動するタスク仕様や環境条件への柔軟な適応が可能になった。
• 物理的記号系を用いた自己プログラミング性により、経験や新しい知識に基づき、行動計画の動的再構成が可能になった。