[논문 리뷰] AutOTranS: an Autonomous Open World Transportation System

Brayan S. Zapata-Impata, Vikrant Shah외 2명|arXiv (Cornell University)|2018. 10. 08.

Robotic Path Planning Algorithms참고 문헌 13인용 수 4

한 줄 요약

AutOTranS는 비정형 환경에서 새로운 물체를 외부에서 자율적으로 운반하기 위한 자율 이동형 조작 시스템을 제안한다. 주어진 위치에서 물체를 집고, 운반하고, 내려놓는 데 85.7%의 종합 작업 성공률을 달성하기 위해 주행, GPD를 통한 抓미출, 그리고 작업 계획 기능을 통합한다. 이는 사용자가 정의한 집기 및 내려놓기 지점만을 사용하여 쓰레기봉투, 쓰레기, 도구, 과일 등을 운반하는 데에 적용된다.

ABSTRACT

Tasks in outdoor open world environments are now ripe for automation with mobile manipulators. The dynamic, unstructured and unknown environments associated with such tasks -- a prime example would be collecting roadside trash -- makes them particularly challenging. In this paper we present an approach to solving the problem of picking up, transporting, and dropping off novel objects outdoors. Our solution integrates a navigation system, a grasp detection and planning system, and a custom task planner. We perform experiments that demonstrate that the system can be used to transport a wide class of novel objects (trash bags, general garbage, gardening tools and fruits) in unstructured settings outdoors with a relatively high end-to-end success rate of 85%. See it at work at: https://youtu.be/93nWXhaGEWA

연구 동기 및 목표

• 동적인 비정형 환경에서 새로운 물체를 자율적으로 운반하는 과제를 해결한다.
• 사전 물체 지식이나 환경 수정 없이도 이동형 로봇이 종단 간 픽업 및 플레이스 작업을 수행할 수 있도록 한다.
• 사용자가 초기에 집기 및 내려놓기 지점을 지도상에서 선택하는 것 외에는 최소한의 인간 입력으로만 작동하는 시스템을 개발한다.
• 기존 시스템이 알려진 물체, 시각 태그 또는 인간 원격 조작를 요구하는 한계를 극복한다.
• 쓰레기, 도구, 유기물 등 다양한 외부 시나리오에서의 강건성을 입증한다.

제안 방법

• 지능형 주행 기반 시스템(Warthog), UR10 로봇 암, Robotiq 85 그립퍼, Intel RealSense D415 카메라, SICK LMS511 레이저 스캐너를 사용하여 인식 및 이동 기능을 수행한다.
• 사용자 정의 운반 전략인 '전부 수거' 및 '한 개씩 수거'를 지원하는 맞춤형 작업 계획기구를 도입한다.
• 사전 물체 모델이 없이도 새로운, 분할되지 않은 물체에 대해도 그립 계획을 수립할 수 있도록 Grasp Pipeline Detector(GPD)를 적용한다.
• 2D 레이저 스캔을 통해 로봇의 위치 결정 및 주행을 수행하며, 고정 카메라 또는 핸드-아이 카메라 설정을 통한 포인트 클라우드 정렬을 실시한다.
• 다단계 프로세스를 통합: 포인트 클라우드 정렬 → 그립 계산 → 그립 실행 → 목표 지점 주행.
• 사전에 탐색한 영역 내에서 사용자가 정의한 집기 및 내려놓기 위치로 자율 경로 계획이 가능한 지도 기반 주행 시스템을 구현한다.

실험 결과

연구 질문

• RQ1 사전 환경 모델링 없이도 이동형 조작 시스템이 사용자가 정의한 외부 위치로 자율적으로 왕복 주행할 수 있는가?
• RQ2 사전 물체 훈련 없이도 완전히 새로운 비정형 외부 물체에 대해 그립 감지 시스템이 성공적으로 그립을 식별하고 실행할 수 있는가?
• RQ3 실제 외부 환경에서 다양한 물체 유형(예: 쓰레기봉투, 과일, 도구)을 운반하는 종단 간 성공률은 얼마인가?
• RQ4 주행 및 그립 성능은 다양한 물체 유형과 운반 전략에 따라 어떻게 달라지는가?
• RQ5 오픈 월드 외부 조작에서 주요 실패 원인은 무엇이며, 이를 어떻게 완화할 수 있는가?

주요 결과

• 쓰레기봉투, 일반 쓰레기, 정원 도구, 과일을 포함한 네 가지 실험 시나리오에서 종합 작업 성공률이 85.7%를 기록했다.
• 주행 성공률은 96.1%였으며, 환경의 변동성에도 불구하고 대부분의 시험에서 목표 지점에 성공적으로 도착했다.
• 물체 유형에 따라 그립 성공률가 달라졌으며, 전체 물체 평균 80.8%의 성공률 기록. 지면에 놓인 과일의 경우 90.9% 성공, 바구니에서 꺼낸 과일은 76.9% 성공.
• '전부 수거' 전략이 '한 개씩 수거' 전략보다 작업 완료 성능에서 뛰어났으며, 과일 및 도구 유형에서 특히 두드러졌다.
• 주요 실패 원인은 얇은 손잡이(예: 쓰레기봉투 손잡이)로 인한 약한 그립과 장기 또는 취약한 물체를 들어 올릴 때의 물체 이격 현상이었다.
• 작업 평균 실행 시간은 118초(최소: 44초, 최대: 239초)였으며, 주행 단계가 가장 오래 걸렸다. 집기 시 평균 98.18초, 내려놓기 시 평균 137.86초였다.