[논문 리뷰] Multi-query Robotic Manipulator Task Sequencing with Gromov-Hausdorff Approximations

Fouad Sukkar, Jennifer Wakulicz외 3명|arXiv (Cornell University)|2022. 09. 11.

Robotic Path Planning Algorithms인용 수 4

한 줄 요약

이 논문은 $\epsilon$-Gromov-Hausdorff 근사법을 사용하여 작업공간에서 구성공간으로의 등장사상(등장사상)을 수립하는 로봇 암의 운동 계획 프레임워크를 제안한다. 이를 통해 실시간에서 효율적이고 유계 부분최적의 경로 시퀀싱이 가능해진다. 사전에 경로 라이브러리를 구성하고 온라인에서 이를 쿼리함으로써 경로의 부드러운 연결을 보장하며, 계산 자원이 제한된 환경에서 다중 쿼리 작업 시퀀싱에 대해 부분최적이지만 실행 가능한 해를 도출한다.

ABSTRACT

Robotic manipulator applications often require efficient online motion planning. When completing multiple tasks, sequence order and choice of goal configuration can have a drastic impact on planning performance. This is well known as the robot task sequencing problem (RTSP). Existing general-purpose RTSP algorithms are susceptible to producing poor-quality solutions or failing entirely when available computation time is restricted. We propose a new multi-query task sequencing method designed to operate in semi-structured environments with a combination of static and non-static obstacles. Our method intentionally trades off workspace generality for planning efficiency. Given a user-defined task space with static obstacles, we compute a subspace decomposition. The key idea is to establish approximate isometries known as $ε$-Gromov-Hausdorff approximations that identify points that are close to one another in both task and configuration space. Importantly, we prove bounded suboptimality guarantees on the lengths of paths within these subspaces. These bounding relations further imply that paths within the same subspace can be smoothly concatenated, which we show is useful for determining efficient task sequences. We evaluate our method with several kinematic configurations in a complex simulated environment, achieving up to 3x faster motion planning and 5x lower maximum trajectory jerk compared to baselines.

연구 동기 및 목표

• 정적 및 비정적 장애물이 존재하는 동적 환경에서 로봇 암의 실시간, 고주기 운동 계획 문제를 해결하기 위해.
• 전체 구성공간 대신 사용자가 정의한 작업공간에서 작동하여 온라인 계획의 계산 오버헤드를 감소시키기 위해.
• 다중 목표를 위한 빠르고 유계 부분최적의 경로 쿼리를 지원하는 재사용 가능한 경로 라이브러리를 자동으로 생성하기 위해.
• 작업공간과 구성공간에서의 근접성을 유지하는 근사 등장사상을 통해 경로의 부드러운 연결을 보장하기 위해.
• 빠른 재구성과 신뢰할 수 있는 온라인 계획이 요구되는 코봇 및 고도화된 제조 응용 분야에서의 실용적 구현을 가능하게 하기 위해.

제안 방법

• 프레임워크는 작업공간 자세에 기반한 그래프를 구성하고, $\epsilon$-Gromov-Hausdorff 근사법을 사용하여 작업공간의 근접성과 구성공간의 거리 사이의 근사 등장사상을 정의한다.
• 수정된 Dijkstra 알고리즘을 사용하여 경로 비용을 최소화하면서 $\epsilon$-GHA 제약 조건을 만족하는 유일한 역기구학 해를 계산한다.
• 경로 라이브러리는 루트 노드를 샘플링하고 $\epsilon$-GHA 매핑을 통해 그래프를 기반으로 최단경로를 계산하여 생성된다.
• 모든 목표 시퀀스의 경로 비용 합을 최소화함으로써 유계 부분최적성을 확보하며, 초기 반복에서 커버리지가 우선시된다.
• 후보 역기구학 해 선택 과정은 우선순위 큐를 사용해 인접 노드를 평가하고, 더 낮은 비용의 유효 경로가 발견될 경우에만 매핑을 갱신한다.
• 알고리즘은 반복적으로 $\epsilon$-GHA 매핑을 탐색하며, 총 비용 함수 $J(\theta^i, t_0)$ 를 최소화하는 매핑을 선택한다.

실험 결과

연구 질문

• RQ1 다중 쿼리 로봇 작업 시퀀싱에 대해 실시간 성능을 확보하면서도 유계 부분최적성을 유지할 수 있는 운동 계획 프레임워크는 가능한가?
• RQ2 작업공간과 구성공간 사이의 근사 등장사를 어떻게 구성하여 효율적인 경로 라이브러리 생성을 가능하게 할 수 있는가?
• RQ3 $\epsilon$-Gromov-Hausdorff 근사법은 경로 품질을 희생시키지 않으면서도 온라인 계획 시간을 얼마나 줄일 수 있는가?
• RQ4 동적 환경에서 기존의 단순 계획자와 비교해 본다면, 제안된 방법은 경로 길이와 실행 효율성 측면에서 어떤가?
• RQ5 이 프레임워크는 실용적인 산업 응용 분야에서 기구학적 부족함이 있는 암과 이동 기반을 갖춘 암을 다룰 수 있도록 확장될 수 있는가?

주요 결과

• 프레임워크는 이동 기반 암 포함 다양한 기구학 구성을 가진 시뮬레이션 환경에서 실행 가능한 실시간 성능을 확보하였다.
• Gromov-Hausdorff 근사법을 통해 생성된 경로 라이브러리는 총 경로 길이에 대해 유계 부분최적성 보장을 제공한다.
• 지능적인 작업공간 시퀀싱을 통해 단순 계획자보다 더 짧고 부드러운 경로를 선택함으로써 성능이 뛰어나다.
• 근사 등장사상의 사용으로 인해 근접한 작업공간 목표는 근접한 구성공간 자세로 매핑되며, 이는 부드러운 경로 연결을 가능하게 한다.
• 역기구학 해를 선택할 때 $\epsilon$-GHA 제약 조건 하에서 경로 비용을 최소화함으로써 기구학적 부족함을 성공적으로 처리하였다.
• 프레임워크는 확장성과 재사용성을 입증하였으며, 새로운 작업과 환경 변화에 대해 빠른 재배치를 지원한다.