[논문 리뷰] Lessons from the Amazon Picking Challenge.

Nikolaus Correll, Kostas E. Bekris외 8명|arXiv (Cornell University)|2016. 01. 21.

Robot Manipulation and Learning참고 문헌 26인용 수 58

한 줄 요약

이 논문은 26개의 국제 팀이 창고 선반에서 물품을 꺼내는 데에 사용된 로봇 시스템을 개발한 첫 번째 아마존 편취 챌린지에 대해 분석한다. 28개의 질문으로 구성된 설문조사를 통해 설계 트렌드를 파악하고, 기술적 접근 방식과 대회 성과 간의 상관관계를 분석하며, 산업용 피킹-플레이스 로봇의 인식, 제어 및 기계 설계에 대한 핵심 교훈을 도출한다.

ABSTRACT

This paper summarizes lessons learned from the first Amazon Picking Challenge in which 26 international teams designed robotic systems that competed to retrieve items from warehouse shelves. This task is currently performed by human workers, and there is hope that robots can someday help increase efficiency and throughput while lowering cost. We report on a 28-question survey posed to the teams to learn about each team's background, mechanism design, perception apparatus, planning and control approach. We identify trends in this data, correlate it with each team's success in the competition, and discuss observations and lessons learned.

연구 동기 및 목표

• 26개의 국제 팀이 로봇 물품 수거 대회에서 사용한 기술적 접근 방식을 이해하기 위해.
• 높은 성능을 보인 팀들 사이에서 기계 설계, 인식, 제어 시스템 분야의 공통된 설계 패턴과 혁신을 식별하기 위해.
• 특정 기술적 선택 사항과 대회 결과 간의 상관관계를 분석하여 향후 로봇 창고 자동화를 위한 실질적인 교훈을 도출하기 위해.
• 산업용 응용 분야에서의 최신 로봇 피킹 수준을 데이터 기반으로 분석하기 위해.

제안 방법

• 모든 참가 팀을 대상으로 기술 배경, 기계 설계, 인식 시스템, 제어 전략에 관한 28개 질문의 설문조사를 실시하여 데이터를 수집하였다.
• 응답을 수집하고 분석하여 기계적 구동 방식, 센서 통합, 계획 아키텍처 등 로봇 설계의 추세를 파악하였다.
• 성과 지표인 물품 수거 성공률 및 속도와 같은 경쟁 성과와 기술적 선택 사항 간의 상관관계를 분석하였다.
• 통계적 상관관계 분석을 통해 센서 유형이나 그립퍼 메커니즘과 같은 특정 설계 결정보가 전체 시스템의 효과성과 어떻게 연결되는지 분석하였다.
• 성과 수준에 따라 팀을 고성능, 중간성능, 저성능 그룹으로 분류하고, 각 그룹 간의 설계 선택 사항을 비교하였다.
• 결과를 종합하여 비구조적인 창고 환경에서의 로봇 시스템 설계에 일반화 가능한 교훈을 도출하였다.

실험 결과

연구 질문

• RQ1 아마존 편취 챌린지에서 팀들이 주로 사용한 인식 및 제어 전략는 무엇인가?
• RQ2 그립퍼 유형이나 구동 방식과 같은 기계 설계 선택 사항이 시스템 성과와 어떻게 관련이 있는가?
• RQ3 물품 수거 성공률이 높은 데에 가장 강하게 연관된 기술 구성 요소나 설계 패턴은 무엇인가?
• RQ4 최고 성능을 낸 팀과 성능이 낮은 팀 간의 접근 방식의 주요 차이는 무엇인가?
• RQ5 이 대회에서 도출할 수 있는 일반적인 교훈은 무엇이며, 향후 로봇 피킹 시스템 개발을 어떻게 안내할 수 있는가?

주요 결과

• 스테레오 비전 또는 구조광원을 사용한 인식 시스템을 사용한 팀이 단일 카메라나 깊이 감지 기능이 없는 팀보다 높은 성공률을 기록하였다.
• 모듈식이고 경량이며 고도의 자유도를 가진 로봇 팔은 복잡한 선반 구성에서 더 효과적으로 기능하였다.
• 인식과 제어 파이프라인을 통합한 팀은 실시간 피드백과 적응형 계획 덕분에 실패 수가 적었다.
• 유연한 종단 효과기나 적응형 그립퍼를 사용한 팀은 다양한 비강성 물품을 처리하는 데 성공률이 높아졌다.
• 고성능 팀은 온라인 재계획 기능을 포함한 반복적 계획을 자주 사용하여 수거 중 경微한 오류 발생 시 복구할 수 있었다.
• 시스템 신뢰성과 다중 센서 시스템 또는 대체 전략의 사용 간 강한 상관관계가 있었다.