[논문 리뷰] Design of a Multi-Modal End-Effector and Grasping System: How Integrated Design helped win the Amazon Robotics Challenge

S. Wade-McCue, N. Kelly-Boxall외 20명|arXiv (Cornell University)|2017. 10. 04.

Robot Manipulation and Learning참고 문헌 15인용 수 17

한 줄 요약

이 논문은 혼잡한 창고 환경에서 견고한 抓握을 달성하기 위해 흡착 그립퍼와 평행 쐐기 그립퍼를 통합한 다중 모odal 종말기구와 다단계 그립 합성 알고리즘을 제안한다. 이 시스템은 전략적 부여와 통합된 하드웨어-소프트웨어 설계 덕분에 2017년 아마존 로봇 경쟁에서 정돈된 환경에서 90%의 성공률, 혼잡한 환경에서 83%의 성공률을 기록하며 우승을 차지했다.

ABSTRACT

We present the grasping system and design approach behind Cartman, the winning entrant in the 2017 Amazon Robotics Challenge. We investigate the design processes leading up to the final iteration of the system and describe the emergent solution by comparing it with key robotics design aspects. Following our experience, we propose a new design aspect, precision vs. redundancy, that should be considered alongside the previously proposed design aspects of modularity vs. integration, generality vs. assumptions, computation vs. embodiment and planning vs. feedback. We present the grasping system behind Cartman, the winning robot in the 2017 Amazon Robotics Challenge. The system makes strong use of redundancy in design by implementing complimentary tools, a suction gripper and a parallel gripper. This multi-modal end-effector is combined with three grasp synthesis algorithms to accommodate the range of objects provided by Amazon during the challenge. We provide a detailed system description and an evaluation of its performance before discussing the broader nature of the system with respect to the key aspects of robotic design as initially proposed by the winners of the first Amazon Picking Challenge. To address the principal nature of our grasping system and the reason for its success, we propose an additional robotic design aspect `precision vs. redundancy'. The full design of our robotic system, including the end-effector, is open sourced and available at http://juxi.net/projects/AmazonRoboticsChallenge/

연구 동기 및 목표

• 혼잡한 창고 바구니 내 다양한 비정형 물체를 다룰 수 있는 견고하고 자율적인 그립 시스템을 개발하는 것.
• 비정형 환경에서 단일 그립 모드 시스템의 한계를 해결하기 위해 다중 모달 종말기구 설계를 도입하는 것.
• 하드웨어 및 소프트웨어 구성 요소의 부여를 통해 시스템 신뢰성과 성공률을 향상시키는 것.
• 실세계 로봇 조작 작업에서 통합 설계 원칙의 효과성을 검증하는 것.
• 새로운 로봇 설계 차원인 '정밀도 대 부여'를 제안하고 이를 구현하는 것.

제안 방법

• 손목에 장착된 도구 교환 기구를 통해 동작하는 흡착 도구와 평행 쐐기 그립퍼를 통합한 하이브리드 종말기구 설계.
• 다양한 시각 정보 수준에 맞춘 세 가지 별도의 그립 합성 알고리즘 구현: 완전한 3D 포인트 클라우드, 부분적인 2D 이미지, 낮은 정보 수준의 상황.
• 3D 프린팅을 활용한 빠른 통합 기계적 프로토타이핑을 통해 하드웨어와 소프트웨어 개발 간의 밀접한 결합을 지원.
• 운동 계획을 단순화하고 계산 복잡도를 줄이기 위해 카르테시안 조작자 도입.
• 최소한의 고비용 센서를 사용하는 피드백 제어를 적용하며, 대신 기계적 통합과 부여를 통해 견고성을 확보.
• 경쟁 중 시험-오류 방식의 그립 선택으로 인한 시간 손실을 방지하기 위해 수동으로 그립 유형을 할당.

실험 결과

연구 질문

• RQ1 다양한 물체 유형이 존재하는 비정형이고 혼잡한 창고 환경에서 로봇 그립 시스템이 어떻게 높은 성공률을 달성할 수 있는가?
• RQ2 흡착 및 그립퍼와 같은 여러 그립 모드를 통합함으로써 시스템의 견고성과 성공률는 얼마나 향상되는가?
• RQ3 하드웨어 및 소프트웨어 구성 요소의 부여가 시스템 신뢰성과 성능에 어떻게 기여하는가?
• RQ4 특히 하드웨어와 소프트웨어 간의 통합 설계는 실세계 로봇 과제에서 고성능을 달성하는 데 어떤 역할을 하는가?
• RQ5 '정밀도 대 부여' 개념을 새로운 로봇 시스템 설계 축으로 정의할 수 있는가?

주요 결과

• 아마존 로봇 경쟁에서 이 시스템은 정돈된 환경에서 90%의 성공률, 혼잡한 환경에서 83%의 성공률를 기록했다.
• 흡착 그립퍼와 평행 그립퍼의 통합은 다양한 물체 유형에 걸쳐 상호보완적인 능력을 제공하여 견고성을 크게 향상시켰다.
• 부여된 그립 합성 알고리즘을 사용함으로써 시스템은 다양한 수준의 시각 정보에 적응할 수 있었고, 불확실성 하에서도 신뢰성을 향상시켰다.
• 3D 프린팅과 기계적 통합을 통해 가능해진 하이브리드 종말기구 설계는 고정밀도 센서에 과도하게 의존하지 않으면서도 빠른 반복과 높은 성능을 달성하는 데 기여했다.
• 승리한 성능는 전략적 부여와 통합 설계의 활용 덕분이었으며, 특히 고비용 정밀 부품에 대한 의존도를 최소화한 점이 핵심이었다.
• 저비용과 더 높은 견고성으로 높은 성능을 달성할 수 있음을 입증함으로써 정밀도보다 부여를 우선시하는 시스템 설계가 효과적임을 성공적으로 입증했다.