[논문 리뷰] Can't Touch This: Real-Time, Safe Motion Planning and Control for Manipulators Under Uncertainty

Jonathan Michaux, Patrick Holmes외 8명|arXiv (Cornell University)|2023. 01. 30.

Formal Methods in Verification인용 수 4

한 줄 요약

이 논문은 관성 파am터의 집합 기반 불확실성 하에서 연속 시간 안전성을 보장하는 실시간, 후행-시간 프레임워크인 ARMOUR를 제안한다. 강건한 피아노 기반 제어, 다항식 존오토프 기반 도달 가능 분석, 과대추정된 스위프트 볼륨을 통한 최적화를 융합함으로써 ARMOUR는 충돌 회피, 관절 한계 충족, 토크 제약 준수를 보장하며, 시뮬레이션에서 92%의 성공률을 기록하고, 불확실한 하중을 지닌 Kinova Gen3에서 안전한 실시간 운영을 달성하였다.

ABSTRACT

Ensuring safe, real-time motion planning in arbitrary environments requires a robotic manipulator to avoid collisions, obey joint limits, and account for uncertainties in the mass and inertia of objects and the robot itself. This paper proposes Autonomous Robust Manipulation via Optimization with Uncertainty-aware Reachability (ARMOUR), a provably-safe, receding-horizon trajectory planner and tracking controller framework for robotic manipulators to address these challenges. ARMOUR first constructs a robust controller that tracks desired trajectories with bounded error despite uncertain dynamics. ARMOUR then uses a novel recursive Newton-Euler method to compute all inputs required to track any trajectory within a continuum of desired trajectories. Finally, ARMOUR over-approximates the swept volume of the manipulator; this enables one to formulate an optimization problem that can be solved in real-time to synthesize provably-safe motions. This paper compares ARMOUR to state of the art methods on a set of challenging manipulation examples in simulation and demonstrates its ability to ensure safety on real hardware in the presence of model uncertainty without sacrificing performance. Project page: https://roahmlab.github.io/armour/.

연구 동기 및 목표

• 알 수 없는 하중 질량과 관성 모멘트 등 불확실한 관성 역학을 갖는 로봇 암이 작동할 때 연속 시간 안전성을 확보하는 데 도전하는 문제를 다루기.
• 역학적 불확실성 또는 모델 정확도 부족이 존재할 경우 실시간에서 안전성을 보장하지 못하는 기존 방법의 한계를 극복하기.
• 실시간 계획 수립과 강건한 제어를 통합하여 정확한 동역학 모델이 없더라도 성능을 희생시키지 않고 안전성을 보장하는 프레임워크 개발하기.
• 비볼록 제약 조건이나 안전하지 않은 궤적 수렴으로 인해 기존 계획자들이 실패할 수 있는 복잡하고 혼잡한 환경에서의 안전한 운영 가능하게 하기.
• 충돌 회피, 관절 한계, 토크 한계 등 모든 안전 제약 조건이 이산 단계가 아니라 연속적인 시간 동안 항상 만족됨을 보장하기.

제안 방법

• 로봇 및 물체의 관성 파am터에 대한 모든 가능한 불확실성에 걸쳐 최악의 추적 오차를 균일하게 경계하는 강건한 피아노 기반 제어기 수립.
• 모든 연속적인 궤적 컨티누엄 내에서 원하는 궤적을 추적하기 위해 필요한 모든 가능한 제어 입력 집합을 계산하기 위한 새로운 재귀적 뉴턴-오일러 알고리즘(PZRNEA) 도입.
• 다항식 존오토프를 사용해 불확실성 하에서의 전진 도달 가능 집합(스위프트 볼륨)을 표현하고 과대추정함으로써 효율적이고 보수적인 충돌 체크를 가능하게 함.
• 과대추정된 도달 가능 집합을 사용해 장애물 회피, 관절 위치, 속도 및 토크 제한에 대한 연속 시간 제약 조건을 포함하는 비선형 최적화 문제 구축.
• 매 시간 단계에서 재계획을 수행하는 후행-시간 프레임워크를 구현하며, 모든 계획된 궤적에 실패 방지 브레이킹 조치를 통합해 장기적 안전성 확보.
• 다항식 존오토프 산술을 활용해 동역학을 통해 불확실성을 효율적으로 전파하고 로봇의 운동 범위에 대한 보수적인 경계 계산.

실험 결과

연구 질문

• RQ1 집합 기반 관성 파am터 불확실성 하에서 실시간 운동 계획 및 제어 프레임워크가 연속 시간 안전성을 보장할 수 있는가?
• RQ2 강건한 제어와 도달 가능 분석을 어떻게 융합하여 불확실한 역학 조건 하에서도 유한한 추적 오차를 보장할 수 있는가?
• RQ3 다항식 존오토프가 실시간에서 로봇의 스위프트 볼륨을 효과적으로 과대추정하면서도 계산의 실현 가능성을 유지할 수 있는가?
• RQ4 모델 불확실성 하에서 이 프레임워크는 최신 기술 대비 안전성과 성공률 측면에서 어느 정도 뛰어나게 성능을 발휘할 수 있는가?
• RQ5 모든 계획된 궤적에 실패 방지 브레이킹 조치를 통합하여 성능을 훼손시키지 않고 장기적 안전성을 확보할 수 있는가?

주요 결과

• ARMOUR는 직선 고수준 계획자와 함께 100개의 랜덤 장애물 시나리오에서 92%의 성공률을 기록했으며, 충돌 없이 안전성 위반 없이 작동하였다.
• 어려운 시나리오 세트에서 ARMOUR는 RRT* 고수준 계획자를 사용해 7개의 작업 중 6개를 안전하게 완료했으며, 동일 조건에서 ARMTD는 5/7만 성공하였다.
• ARMOUR는 관성 질량이 불확실한 덤프벨을 다루는 Kinova Gen3 로봇에서 실시간 실험을 통해 안전하고 실시간 제어를 성공적으로 수행하였다.
• 평균 계획 반복 시간은 364.9 ms로, 표준 하드웨어에서 실시간 실행 가능성을 확인하였다.
• CHOMP는 항상 역학적으로 타당한 궤적을 생성하지만, 13%의 경우 충돌로 실패하여 내장된 충돌 보장을 갖추지 못함을 보여주었다.
• 다항식 존오토프의 사용으로 이전 방법보다 더 날카운 과대추정된 도달 가능 집합을 확보해, 안전 제약 위반 없이 장애물 주변에서 더 가까이 이동 가능하게 하였다.