[논문 리뷰] Planning and Resilient Execution of Policies For Manipulation in Contact with Actuation Uncertainty

Calder Phillips-Grafflin, Dmitry Berenson|arXiv (Cornell University)|2017. 03. 29.

Robot Manipulation and Learning인용 수 8

한 줄 요약

이 논문은 접촉, 유연성, 내성성을 통합하여 작동 불확실성 하에서 로봇 조작 정책을 계획하고 실행하기 위한 이단계적 접근법을 제시한다. 입자 기반 불확실성 모델링과 RRT 기반 계획을 사용하여 부분 정책을 생성하고, 실행 중에 예기치 않은 변화에 대응하기 위해 온라인으로 정책을 적응시킨다. 이로 인해 Baxter 시뮬레이션에서 79%의 성공률을 기록했으며, 장애물 블록이 있는 상황에서는 73%의 성공률을 달성하여 기준 방법보다 뛰어난 성능을 보였다.

ABSTRACT

We propose a method for planning motion for robots with actuation uncertainty that incorporates contact with the environment and the compliance of the robot to reliably perform manipulation tasks. Our approach consists of two stages: (1) Generating partial policies using a sampling-based motion planner that uses particle-based models of uncertainty and simulation of contact and compliance; and (2) Resilient execution that updates the planned policies to account for unexpected behavior in execution which may arise from model or environment inaccuracy. We have tested our planner and policy execution in simulated SE(2) and SE(3) environments and Baxter robot. We show that our methods efficiently generate policies to perform manipulation tasks involving significant contact and compare against several simpler methods. Additionally, we show that our policy adaptation is resilient to significant changes during execution; e.g. adding a new obstacle to the environment.

연구 동기 및 목표

• 작동 불확실성이 존재하는 상황에서, 특히 작업 성공에 접촉과 유연성이 필수적인 경우에 안정적인 조작을 달성하는 데 도전하는 것.
• 환경적 접촉과 로봇의 유연성을 통합한 계획 프레임워크를 개발하여 조작 중 불확실성을 감소시키는 것.
• 실행 중 예기치 않은 환경 변화나 모델 정확도 부족에 대응해 정책을 동적으로 적응시킴으로써 내성적인 실행을 가능하게 하는 것.
• 불확실성이나 내성성을 고려하지 않는 간단한 계획자들보다 높은 불확실성과 접촉 중심 작업에서의 성공률을 향상시키는 것.

제안 방법

• 이 방법은 믿음 공간 설정을 사용하며, 입자 기반 표현을 통해 구성에 대한 확률 분포로 로봇 상태의 불확실성을 모델링한다.
• 표본 기반 RRT 계획자가 작동 불확실성 하에서 접촉 및 유연성 역학을 시뮬레이션하여 부분 정책을 생성하며, 향후 시뮬레이션을 통해 결과를 예측한다.
• 분할과 역행 가능성을 모델링하여 다중 결과를 가진 동작을 처리한다: 분할은 클러스터링(예: WCR)을 통해 서로 다른 결과 군집을 식별하고, 역행 가능성이 실패한 동작을 재시도할 수 있도록 한다.
• 온라인 정책 적응은 실행 중 실패한 동작을 감지하고 실시간으로 정책을 수정하여 장애물 회피 또는 예기치 않은 상태 회복을 가능하게 한다.
• 계획자는 전역 최적화를 해결하는 대신, 최소 성공 확률 $P_{\text{goal}}$ 이상을 확보하는 정책 생성에 초점을 맞추기 위해 확정적 계획의 임계값을 사용한다.
• 이 접근법은 $SE(2)$, $SE(3)$, 그리고 작동 불확실성이 절단 정규분포로 모델링된 Baxter 로봇($\mathbb{R}^7$) 시뮬레이션에서 평가되었다.

실험 결과

연구 질문

• RQ1 접촉과 유연성을 통합한 운동 계획자가 작동 불확실성 하에서 조작 작업에 대해 신뢰할 수 있는 정책을 생성할 수 있는가?
• RQ2 실행 중 예기치 않은 변화(예: 새로운 장애물)가 발생했을 때 온라인 정책 적응은 어떤 방식으로 내성성을 향상시키는가?
• RQ3 접촉 중심 작업에서 단순한 비적응형 계획자에 비해 불확실성 인식 계획은 어떤 성능 향상을 제공하는가?
• RQ4 입자 기반 믿음 모델과 클러스터링은 결정론적 또는 비접촉 인식 방법에 비해 정책의 강건성을 얼마나 향상시키는가?
• RQ5 부분 정책 생성과 실시간 적응의 조합은 동적인 또는 불확실한 환경에서 성공률에 어떤 영향을 미치는가?

주요 결과

• $SE(3)$ 시뮬레이션에서 제안된 계획자는 $N_{\text{particles}}=24$ 및 WCR 클러스터링 조건에서 성공 확률 0.79를 달성했으며, Contact RRT 기준보다 높은 0.70을 기록했다.
• 계획자는 평균 정책당 솔루션 수가 17.2대 6.33으로 더 높고, 계획 시간도 65.4초 대 8.42초로 더 길어, 불확실성에 대한 깊은 탐색을 반영한다.
• 평면적 $SE(2)$ 환경에서 실행 중 중간에 새로운 장애물이 도입된 상황에서, 73%의 정책이 성공적으로 적응하여 작업을 완료했으며, 수정되지 않은 환경에서는 97%의 성공률 기록했다.
• 장애물이 있는 환경에서 정책 적응은 평균 동작 횟수를 15.4에서 26.7로 증가시켰으며, 장애물 회피로 인한 더 긴 경로를 의미하지만 여전히 높은 성공률 달성함.
• 이 방법은 모델 정확도 부족과 환경 변화에 대해 뛰어난 내성성을 보였으며, 실행 중 예기치 않은 장애물을 만났을 때도 높은 성공률 유지.
• 결과는 유연성, 접촉, 온라인 적응의 통합이 불확실성 하에서 조작 작업의 신뢰성 향상에 크게 기여함을 확인한다.