[논문 리뷰] Planning for target retrieval using a robotic manipulator in cluttered and occluded environments

Changjoo Nam, Jinhwi Lee외 4명|arXiv (Cornell University)|2019. 07. 09.

Robotic Path Planning Algorithms인용 수 11

한 줄 요약

이 논문은 장애물이 많고 가림이 있는 환경에서 로봇 암을 사용해 대상 물체를 회수하기 위해 재배치 수를 최소화함으로써 실행 시간을 직접 줄이는 다항 시간 내의 완전한 계획 알고리즘을 제안한다. 이는 집게 및 놓기 동작이 실행 시간을 지배하기 때문이다. 이 방법은 기준 거리 최적화 접근 방식보다 뛰어나며, 시뮬레이션에서는 최대 25.1% 빠른 회수를 달성했고, 실제 물리적 로봇 실험에서는 최대 24.1% 더 빠른 실행을 보였다.

ABSTRACT

This paper presents planning algorithms for a robotic manipulator with a fixed base in order to grasp a target object in cluttered environments. We consider a configuration of objects in a confined space with a high density so no collision-free path to the target exists. The robot must relocate some objects to retrieve the target while avoiding collisions. For fast completion of the retrieval task, the robot needs to compute a plan optimizing an appropriate objective value directly related to the execution time of the relocation plan. We propose planning algorithms that aim to minimize the number of objects to be relocated. Our objective value is appropriate for the object retrieval task because grasping and releasing objects often dominate the total running time. In addition to the algorithm working in fully known and static environments, we propose algorithms that can deal with uncertain and dynamic situations incurred by occluded views. The proposed algorithms are shown to be complete and run in polynomial time. Our methods reduce the total running time significantly compared to a baseline method (e.g., 25.1% of reduction in a known static environment with 10 objects

연구 동기 및 목표

• 집게 및 놓기 동작이 실행 시간을 지배하기 때문에, 물체 재배치 횟수를 최소화함으로써 총 실행 시간을 줄이는 것.
• 알려진 정적 장애물 환경에서 완전하고 다항 시간 내의 계획 알고리즘을 개발하는 것.
• 실제 환경에서 발생하는 가림으로 인한 불확실성과 동적 변화를 처리할 수 있도록 알고리즘을 확장하는 것.
• 시각 통합 로봇 시스템을 사용해 시뮬레이션과 실제 실험 모두에서 방법을 검증하는 것.
• 다양한 장애물 구성에서 거리 최적화 기반 방법에 비해 일관된 성능 향상을 보여주는 것.

제안 방법

• 알고리즘은 재배치해야 할 물체 수를 최소화하는 것이 목표인 최적화 문제로 회수 작업을 모델링한다.
• 충돌이 없는 종단기구 경로를 찾기 위해 그래프 기반 탐색을 사용하며, 필요한 장애물만 제거한다.
• 부분적으로 알려진 환경에서는 가림된 물체를 고려하고 새로운 관측 결과를 바탕으로 계획을 동적으로 업데이트함으로써 불확실성 처리를 통합한다.
• 알고리즘이 완전하고 다항 시간 내에 실행됨을 증명하여 확장성과 신뢰성을 보장한다.
• 실물 실험에서는 RGB-D 데이터에서 Faster R-CNN을 사용해 물체 탐지를 수행하고, RRT를 통해 운동 계획을 실행하며, 역기구학을 적용한다.
• 실시간 인식과 실행을 가능하게 하기 위해 Kinova Jaco 1 로봇과 Kinect V2 센서를 통합한다.

실험 결과

연구 질문

• RQ1 거리 최적화 경로 계획과 비교해 물체 재배치 횟수를 최소화하는 것이 총 작업 실행 시간을 상당히 줄일 수 있는가?
• RQ2 장애물이 많고 정적인 환경에서 물체 회수를 위한 완전하고 다항 시간 내의 알고리즘을 설계할 수 있는가?
• RQ3 일부 물체가 계획 시점에 보이지 않는 가림으로 인한 불확실성 상황에서 제안된 방법의 성능은 어떠한가?
• RQ4 다양한 물체 구성과 밀도에서 알고리즘이 일관된 성능을 유지할 수 있는가?
• RQ5 시각 피드백이 있는 실제 로봇 시스템에서 제안된 방법은 효과적으로 확장될 수 있는가?

주요 결과

• 10개의 물체가 있는 알려진 정적 환경에서 제안된 방법은 거리 최적화 기반 기준 대비 재배치 횟수를 최대 29.0% 감소시키고 총 실행 시간을 25.1% 줄였다.
• 실물 로봇 실험에서는 총 실행 시간을 174.5초(기준 229.9초)로 줄여 24.1% 향상되었으며, 평균적으로 재배치 횟수가 33.3% 적었다.
• 제안된 알고리즘은 무작위 구성 간 성능 변동이 낮아 기준 방법보다 더 일관되고 신뢰도 있는 결과를 보였다.
• 물체 밀도가 높거나 작업 공간에 더 깊이 들어가야 하는 상황에서도 강력한 성능을 유지했으며, 기준 전략 대비 최대 101초의 실행 시간 단축을 달성했다.
• 알고리즘은 시뮬레이션과 실제 환경 모두에서 확장성과 강건성을 입증했으며, 모든 테스트 시나리오에서 일관된 향상을 보였다.
• 가림을 고려한 계획 기법을 사용함으로써 전체 물체 위치를 사전에 알지 못하더라도 신뢰할 수 있는 운영이 가능했다.