[논문 리뷰] A novel Skill-based Programming Paradigm based on Autonomous Playing and Skill-centric Testing

Simon Hangl, Andreas Mennel외 1명|arXiv (Cornell University)|2017. 09. 18.

Robot Manipulation and Learning참고 문헌 15인용 수 6

한 줄 요약

이 논문은 비경험자 사용자가 시각적 프로그래밍과 운동적 지도를 통해 기본 동작을 정의하고, 로봇이 자율적인 놀이를 통해 이를 일반화함으로써 로봇 프로그래밍을 가능하게 하는 새로운 스킬 기반 프로그래밍 패러다임을 소개한다. 이 프레임워크는 전문 지식이 없이도 소프트웨어 버그를 탐지할 수 있는 스킬 중심의 테스팅을 통합하여 로봇 프로그래밍의 접근 장벽을 크게 낮추며, 비전문가가 견고한 로봇 스킬을 개발하고 디버깅할 수 있도록 한다.

ABSTRACT

We introduce a novel paradigm for robot pro- gramming with which we aim to make robot programming more accessible for unexperienced users. In order to do so we incorporate two major components in one single framework: autonomous skill acquisition by robotic playing and visual programming. Simple robot program skeletons solving a task for one specific situation, so-called basic behaviours, are provided by the user. The robot then learns how to solve the same task in many different situations by autonomous playing which reduces the barrier for unexperienced robot programmers. Programmers can use a mix of visual programming and kinesthetic teaching in order to provide these simple program skeletons. The robot program can be implemented interactively by programming parts with visual programming and kinesthetic teaching. We further integrate work on experience-based skill-centric robot software testing which enables the user to continuously test implemented skills without having to deal with the details of specific components.

연구 동기 및 목표

• 저수준의 로봇 복잡성을 추상화하여 비경험자 사용자가 로봇 프로그래밍에 접근할 수 있도록 하는 것.
• 전문가가 설계한 컨트롤러가 필요 없이 다양한 상황에서 스킬 일반화를 해결하는 것.
• 로봇 소프트웨어 구성 요소에 깊은 지식이 없이도 비전문가가 로봇 스킬을 구현하고 테스트할 수 있도록 하는 것.
• 자율적 스킬 습득을 위한 로봇 놀이를 통합하여 기본 동작의 적용 범위를 확장하는 것.
• 수동적인 테스트 케이스 설계 없이도 경험 기반의 자동 테스팅을 통해 로봇 프로그램의 소프트웨어 버그를 식별하는 것.

제안 방법

• 사용자는 단일 상황에서의 간단한 작업 실행을 위해 드래그 앤 드롭 컴포넌트를 사용하는 시각적 프로그래밍 인터페이스를 통해 기본 로봇 동작을 정의한다.
• 운동적 지도를 통해 궤적을 시연하고, 이를 재사용 및 적응 가능하게 하기 위해 동적 운동 프리미티브(DMPs)로 인코딩한다.
• 로봇은 '놀이'를 통해 시스템적으로 다른 행동 시퀀스를 탐색하고 새로운 전략을 테스트하며 학습함으로써 기본 동작을 새로운 상황으로 일반화한다.
• 자율적 놀이 중 수집된 센서 데이터를 활용해 실패를 탐지하고, 고장을 일으키는 컴포넌트를 고립하기 위한 자동 테스팅을 트리거한다.
• 스킬 중심의 테스팅 프레임워크는 잠재적으로 고장 난 함수를 자동으로 식별하고 수정을 제안함으로써 전문가 디버깅에 대한 의존도를 낮춘다.
• 프레임워크는 하이브리드 구현을 지원한다: 단순한 동작은 시각적/운동적 수단으로, 복잡하거나 저수준의 기능은 전문가가 구현하고 재사용한다.

실험 결과

연구 질문

• RQ1 어떻게 직관적인 상호작용 패러다임을 통해 비전문가가 로봇 프로그래밍에 접근할 수 있도록 할 수 있는가?
• RQ2 자율적 놀이를 통해 기본 로봇 동작이 다양한 환경 조건에서 얼마나 잘 일반화될 수 있는가?
• RQ3 수동적인 테스트 케이스 작성 없이도 경험 기반의 자동 테스팅이 로봇 프로그램의 소프트웨어 회귀를 탐지할 수 있는가?
• RQ4 시각적 프로그래밍과 운동적 지도를 자율 학습과 효과적으로 통합하여 스킬 엔지니어링의 부담을 줄일 수 있는가?
• RQ5 자동 진단이 로봇 소프트웨어 시스템의 고장 난 컴포넌트를 식별하고 고립하는 데 어떤 역할을 할 수 있는가?

주요 결과

• 프레임워크는 비전문가 사용자가 시각적 프로그래밍과 운동적 지도만으로도 책 집기나 타워 분해와 같은 기본 동작을 성공적으로 구현할 수 있도록 했다.
• 자율적 놀이 덕분에 로봇은 새로운 상황으로 기본 동작을 일반화할 수 있었으며, 예를 들어 반복적인 밀기와 감지로 책을 잡을 수 있는 올바른 자세로 돌리는 것을 학습했다.
• 시스템은 로봇이 자율적으로 효과적인 전략을 발견할 수 있음을 입증했으며, 예를 들어 반복적인 집기-놓기 동작을 통해 타워 높이를 추정하기 위해 찌르기 동작을 사용하는 것을 발견했다.
• 스킬 중심의 테스팅 프레임워크는 동작 변경 후 잠재적인 소프트웨어 결함을 성공적으로 식별했으며, 디버깅을 위한 실행 가능한 제안을 제공했다.
• 정밀 제어가 필요한 복잡한 스킬(예: 스태미너스 조절 또는 궤적 형상 조절)은 시각적 프로그래밍만으로는 완전히 실현되지 않았고, 전문가의 구현이 필요함을 입증하여 하이브리드 저작의 필요성을 확인했다.
• 자율적 놀이와 테스팅의 통합은 스킬 개발 및 디버깅 모두에서 전문가 간섭의 필요성을 크게 줄였으며, 접근성과 유지보수성을 향상시켰다.