[논문 리뷰] Cartman: The low-cost Cartesian Manipulator that won the Amazon Robotics Challenge

Douglas Morrison, A. W. Tow외 20명|arXiv (Cornell University)|2017. 09. 19.

Robotic Path Planning Algorithms참고 문헌 9인용 수 15

한 줄 요약

Cartman은 저비용으로 제작된 카르테시안 조작장치로, 2017년 아마존 로봇 경쟁에서 16개 중 14개의 물건을 정리하고 9개의 물건을 모두 집어내 27분 안에 272점을 획득하여 우승했다. 이 시스템은 의미 분할 기반의 인식과 다단계 그립 합성, 이중 종단 효력 장치를 결합하여 실세계의 불확실성과 새로운 물체 인식 도전 과제에 대응하기 위해 시스템 수준의 통합과 강력한 오류 처리를 강조한다.

ABSTRACT

The Amazon Robotics Challenge enlisted sixteen teams to each design a pick-and-place robot for autonomous warehousing, addressing development in robotic vision and manipulation. This paper presents the design of our custom-built, cost-effective, Cartesian robot system Cartman, which won first place in the competition finals by stowing 14 (out of 16) and picking all 9 items in 27 minutes, scoring a total of 272 points. We highlight our experience-centred design methodology and key aspects of our system that contributed to our competitiveness. We believe these aspects are crucial to building robust and effective robotic systems.

연구 동기 및 목표

• 동적 창고 환경에서 자율적인 집기 및 놓기 작업을 수행할 수 있는 저비용이며 내구성 있는 로봇 시스템을 설계하는 것.
• 경쟁 시작 45분 이내에 알려지지 않은 물체와 기존에 알려진 물체를 모두 인식하고 조작하는 과제를 해결하는 것.
• 경험 기반 설계를 통해 시스템 성능을 향상시키고, 고립된 하위 시스템 테스트보다 종단 간 통합을 우선시하는 것.
• 시각적 불확실성과 실제 세계에서의 물체 외관 변화 및 가림 현상에 강건한 인식 및 그립 합성 파이프라인 개발

제안 방법

• 낮은 비용의 알루미늄 프로파일을 사용해 제작된 6-DoF 카르테시안 조작장치로, 공유 선형 및 회전축을 갖추어 제한된 작업 공간 내에서도 정밀하고 반복 가능한 운동을 가능하게 한다.
• 흡착 도구와 평행 클램프로 구성된 이중 종단 효력 장치로, 재설정 없이도 다양한 조작 전략을 구현할 수 있다.
• 소수의 예시로 훈련된 의미 분할 기반 인식 시스템으로, 대규모 사전 훈련에 의존하는 것을 줄인다.
• 다양한 시각적 신뢰도와 불확실성에 대응하는 다단계 그립 합성 시스템으로, 부분적 관찰 또는 가림 상황에서도 성공률을 높인다.
• 모호함을 해결하기 위해 재위치 및 재분류를 활용하는 능동적 인식 전략으로, 특히 집기 작업의 마지막 물건에 대해 핵심적인 역할을 한다.
• 구성 요소 최적화보다 통합 및 종단 간 테스트를 우선시하는 시스템 수준의 설계 철학으로 전체 시스템의 내구성을 향상시킨다.

실험 결과

연구 질문

• RQ1 제한된 시간과 자원 조건에서 저비용 로봇 시스템이 자율 창고 작업에서 높은 성능을 달성할 수 있는 방법은 무엇인가?
• RQ2 소규모 훈련 데이터로도 알려지지 않은 물체를 인식하고 조작할 수 있도록 하는 데 핵심이 되는 설계 원칙은 무엇인가?
• RQ3 실제 로봇 대회에서 모듈화된 하위 시스템 최적화보다 시스템 수준의 통합과 테스트가 더 뛰어난 성능을 내는 이유는 무엇인가?
• RQ4 다중 모odal 종단 효력 장치 설계가 시각적 불확실성 상황에서 작업 완료율을 향상시키는 데 어떤 역할을 하는가?
• RQ5 능동적 인식 및 오류 복구 전략이 복잡하고 시간 제약이 있는 작업 동안 시스템의 내구성을 강화하는 방식은 무엇인가?

주요 결과

• Cartman은 30분 이내에 16개 중 14개의 물건을 정리하고 9개의 주문 물건을 모두 성공적으로 집어내 272점을 획득하여 결승에서 우승했다.
• 시스템은 95% 이상의 그립 성공률을 기록했으며, 평균 그립 시도 시간은 약 15초로, 효율적인 운동 실행 및 계획 수립을 나타낸다.
• Cartman는 유일하게 집기 작업을 완료한 팀으로, 마지막에 모호한 물건을 해결하기 위해 물건 재분류, 실패한 그립 탐지 및 능동적 인식 전략을 활용했다.
• 시스템의 오류율은 경쟁자들보다 현저히 낮았으며, 주로 물건 오분류로 인한 벌점이었고, 물리적 실수로 인한 것은 거의 없었다.
• 경험 중심 설계 접근 방식—특히 시스템 통합과 실제 환경 테스트에 중점을 두고—는 제한된 컴퓨팅 자원 조건에서도 최고의 성능을 달성하는 데 핵심 요소였다.
• 카르테시안 조작장치의 사용은 제한된 작업 공간 내에서 운동 계획 및 실행을 단순화하여 높은 반복성과 신뢰성을 기여했다.