[論文レビュー] Time Series Motion Generation Considering Long Short-Term Motion

Kazuki Fujimoto, Sho Sakaino+1 more|arXiv (Cornell University)|Sep 9, 2019

Robot Manipulation and Learning参考文献 28被引用数 4

ひとこと要約

本稿では、位置データと力データの入力サンプリング周期を調整することにより、長期的（低周波数）および短期的（高周波数）の運動を別々に処理する、新しい再帰的ニューラルネットワーク（RNN）モデル、PLTモデルを提案する。位置入力を遅延させ、マルチデシメーション（MD）に類似した周波数分離を実現することで、学習済みでない紙の高さに対しても安定した文字書きが可能となり、長時間にわたるタスクにおける汎用性と安定性が、標準的なRNNを上回ることを示した。

ABSTRACT

Various adaptive abilities are required for robots interacting with humans in daily life. It is difficult to design adaptive algorithms manually; however, by using end-to-end machine learning, labor can be saved during the design process. In our previous research, a task requiring force adjustment was achieved through imitation learning that considered position and force information using a four-channel bilateral control. Unfortunately, tasks that include long-term (slow) motion are still challenging. Furthermore, during system identification, there is a method known as the multi-decimation (MD) identification method. It separates lower and higher frequencies, and then identifies the parameters characterized at each frequency. Therefore, we proposed utilizing machine learning to take advantage of the MD method to infer short-term and long-term (high and low frequency, respectively) motion. In this paper, long-term motion tasks such as writing a letter using a pen fixed on a robot are discussed. We found differences in suitable sampling periods between position and force information. The validity of the proposed method was then experimentally verified, showing the importance of long-term inference with adequate sampling periods.

研究の動機と目的

• ロボット操作タスクにおける長期的（ゆっくりとした）運動の生成という課題に取り組むこと。特に、力と位置の調整が必要な状況を想定する。
• 標準的なRNNが捉えきれない長期的運動ダイナミクスをインスパイラションとして統合することで、模倣学習における汎用性を向上させること。
• 学習済みでない環境的条件（例：紙の高さの変化）にまで外挿できない既存のモデルの限界を克服すること。
• 特にマルチデシメーション（MD）法を用いたシステム同定の原則を、機械学習による運動生成に応用することの有効性を検討すること。
• 位置データおよび力データの適切なサンプリング周期が、長期的運動推論の安定性と正確性に与える影響が重要であることを検証すること。

提案手法

• PLTモデルは、遅延入力サンプリングを用いた長期的ポジション推論用のRNNブランチと、高周波数サンプリングを用いた短期的力制御用のRNNブランチを別々に使用する。
• モデルは、低周波数および高周波数のダイナミクスを分離してパrameter同定を可能にする、マルチデシメーション（MD）システム同定法にインspiredされている。
• トレーニングデータは、バイラテラル制御を用いて収集され、オペレータが3つの高さ（10 mm、40 mm、70 mm）の紙に書き込み、マスターロボットとスレーブロボットの応答マッピングを学習する。
• モデルは、スレーブロボットの応答からマスターロボットの運動を推論するように学習され、位置および力信号が異なる有効サンプリングレートで処理される。
• 明示的に位置入力を遅延させることで、長期的軌道計画が可能となり、予測に起因する振動が低減される。
• 固定20 ms間隔でデータを処理する標準的なCONV. RNNモデルと比較することで、適応的サンプリングの利点が強調される。

実験結果

リサーチクエスチョン

• RQ1 深層学習モデルは、紙の高さが異なる状況での文字書きのようなロボット操作タスクにおいて、長期的運動軌道を効果的に学習・一般化できるか？
• RQ2 位置および力入力のサンプリング周期の選択が、模倣学習における運動生成の安定性と正確性に与える影響は何か？
• RQ3 マルチデシメーション（MD）システム同定法は、ニューラルネットワークにおける長期的運動推論の改善に効果的に応用可能か？
• RQ4 位置入力を遅延させることで、未学習環境におけるRNNベースの運動生成モデルのロバスト性と一般化性能が向上するか？
• RQ5 なぜ標準的なRNNは未学習の紙の高さに一般化できないのに対し、PLTモデルは成功するのか？

主な発見

• PLTモデルは、学習済みでない高さ（25 mm、55 mm、85 mm）の紙に対しても、文字'A'を正常に書き上げ、トレーニングデータを超える強力な一般化能力を示した。
• 標準的なCONV. RNNモデルは、いずれの未学習高さに対しても文字を書くことに完全に失敗しており、長期的運動ダイナミクスを処理できないことが明らかになった。
• 図11に示すように、PLTモデルは異なる紙の高さにおいても安定したトルク応答を示し、一定の書き圧力を維持していた。これは、力制御の有効性を示している。
• 100 mmの高さでは、PLTモデルもはっきりとした文字を書くことができなくなり、低高さでの強力な一般化とは対照的に、外挿能力の限界が示された。
• 位置入力を遅延させることで、逐次的な位置予測における振動が低減され、運動のなめらかさと安定性が向上した。
• MDにインspiredされたモデル構造により、長期的（軌道）および短期的（力）ダイナミクスの有効な分離が実現され、複雑な運動タスクにおいて極めて重要であることが証明された。