[논문 리뷰] Planning Grasps for Assembly Tasks

Weiwei Wan, Kensuke Harada외 1명|arXiv (Cornell University)|2019. 03. 05.

Robot Manipulation and Learning참고 문헌 41인용 수 5

한 줄 요약

이 논문은 병렬 그립퍼와 흡착 컵과 같은 산업용 종단 효과기의 모델 기반 그립 계획 프레임워크를 제안하며, CAD 모델을 전처리하기 위해 슈퍼임포즈드 세그멘테이션을 사용하여 정밀하고 안정적이며 고용량의 그립 합성을 가능하게 한다. 이 방법은 2mm 이내의 자세 정확도를 달성하며 저품질 CAD 모델에 대해서도 강인하여 최소한의 수동 간섭으로 신뢰할 수 있는 로봇 조립 및 바인 편취 작업을 가능하게 한다.

ABSTRACT

This paper develops model-based grasp planning algorithms for assembly tasks. It focuses on industrial end-effectors like grippers and suction cups, and plans grasp configurations considering CAD models of target objects. The developed algorithms are able to stably plan a large number of high-quality grasps, with high precision and little dependency on the quality of CAD models. The undergoing core technique is superimposed segmentation, which pre-processes a mesh model by peeling it into facets. The algorithms use superimposed segments to locate contact points and parallel facets, and synthesize grasp poses for popular industrial end-effectors. Several tunable parameters were prepared to adapt the algorithms to meet various requirements. The experimental section demonstrates the advantages of the algorithms by analyzing the cost and stability of the algorithms, the precision of the planned grasps, and the tunable parameters with both simulations and real-world experiments. Also, some examples of robotic assembly systems using the proposed algorithms are presented to demonstrate the efficacy.

연구 동기 및 목표

• 복잡한 조립 및 바인 편취 작업에서 병렬 그립퍼와 흡착 컵과 같은 산업용 종단 효과기의 자동화되고 고정밀한 그립 계획의 부족을 해결하기 위해.
• 그립 안정성과 정밀도를 유지하면서도 고정밀도 CAD 모델에 대한 의존도를 줄이기 위해.
• 로봇 조작 최적화를 위한 자동으로 많은 수의 고품질 그립 구성(configuration)을 생성하기 위해.
• 수동 교육이나 애너테이션 없이도 빠르게 로봇 시스템을 재배치할 수 있도록 하기 위해.
• 정밀하고 충돌 없는 그립 계획을 통해 실제 세계의 로봇 조립 및 재그립 작업을 지원하기 위해.

제안 방법

• 핵심 기술은 메쉬 모델을 겹치는 가변성 있는 면으로 분해하여 강인성과 접촉 감지 능력을 향상시키는 슈퍼임포즈드 세그멘테이션이다.
• 슈퍼임포즈드 세그먼트 상에서 접촉점을 샘플링하고, 평행한 면을 계산하여 그립퍼와 흡착 컵의 그립 자세 합성을 안내한다.
• 종단 효과기의 운동학 모델과 접촉 및 평행성에 기반한 기하학적 제약 조건을 고려하여 그립 구성(configuration)을 합성한다.
• 면 크기, 겹침 정도, 각도 임계값과 같은 조정 가능한 파라미터를 통해 다양한 응용 요구사항에 맞게 맞춤 설정이 가능하다.
• 운동 계획 및 재그립 계획 파이프라인과 통합되어 전체 조립 작업 실행을 가능하게 한다.
• 이 방법은 오픈소스 로봇 조립 시스템인 PYHIRO용 플러그인으로 구현되어 있다.

실험 결과

연구 질문

• RQ1 그립 계획 알고리즘이 저품질 CAD 모델에 크게 의존하지 않고도 산업용 종단 효과기의 대량 고품질 그립을 생성할 수 있는가?
• RQ2 특히 저해상도 입력 모델에서 그립 후 물체 자세를 유지하는 데 있어 계획된 그립의 정밀도는 어느 정도인가?
• RQ3 슈퍼임포즈드 세그멘테이션의 조정 가능한 파라미터가 그립 수, 정밀도, 계산 비용 간의 균형을 얼마나 잘 조절할 수 있는가?
• RQ4 제안된 그립 플래너가 수동 교육 없이도 실제 세계의 로봇 조립 및 재그립 작업을 성공적으로 수행할 수 있는가?
• RQ5 노이즈가 있거나 저해상도의 CAD 모델을 처리할 때 이 방법의 계산 비용과 안정성은 어떻게 평가되는가?

주요 결과

• 제안된 방법은 그립 후 2mm 이내의 자세 이격을 보이며, 저품질 CAD 모델에서도 높은 정밀도를 입증한다.
• 알고리즘은 높은 안정성과 낮은 계산 비용을 유지하며, 메쉬 노이즈 및 왜곡에 강인한 성능을 보인다.
• 면 각도 임계값(θfct) 및 겹침 정도와 같은 조정 가능한 파라미터를 통해 사용자가 생성된 그립의 수와 품질을 제어할 수 있다.
• 이 방법은 Kawada Nextage 로봇을 사용하여 실제 세계의 로봇 조립을 성공적으로 수행하였으며, 정밀한 취급 및 재그립 작업을 달성하였다.
• 이중 암 UR3 로봇은 계획된 그립을 사용하여 진공 패스너를 성공적으로 집고 높은 정렬 정밀도로 볼트를 조이었다.
• HRP5P 로봇은 계획된 그립을 통해 좁은 접촉 영역에서 정밀한 정렬을 이루어내며 효과적인 도구 이관을 수행하였다.