[논문 리뷰] Real-time policy generation and its application to robot grasping

Masoud Baghbahari, Aman Behal|arXiv (Cornell University)|2018. 08. 15.

Robotic Path Planning Algorithms참고 문헌 7인용 수 3

한 줄 요약

이 논문은 실시간 동적 모델링과 촉각 피드백을 활용하여 물체와의 접촉을 유지하는 실시간 그립 정책을 제안한다. 이는 광범위한 사전 훈련이 필요로 하지 않도록 한다. 물체의 제약 표면을 시스템 역학에 통합하고 즉각적인 센서 데이터를 활용함으로써, 빠르고 적응 가능한 그립 결정을 가능하게 하며, 시뮬레이션과 실제 실험에서의 효과가 입증되었다.

ABSTRACT

Real time applications such as robotic require real time actions based on the immediate available data. Machine learning and artificial intelligence rely on high volume of training informative data set to propose a comprehensive and useful model for later real time action. Our goal in this paper is to provide a solution for robot grasping as a real time application without the time and memory consuming pertaining phase. Grasping as one of the most important ability of human being is defined as a suitable configuration which depends on the perceived information from the object. For human being, the best results obtain when one incorporates the vision data such as the extracted edges and shape from the object into grasping task. Nevertheless, in robotics, vision will not suite for every situation. Another possibility to grasping is using the object shape information from its vicinity. Based on these Haptic information, similar to human being, one can propose different approaches to grasping which are called grasping policies. In this work, we are trying to introduce a real time policy which aims at keeping contact with the object during movement and alignment on it. First we state problem by system dynamic equation incorporated by the object constraint surface into dynamic equation. In next step, the suggested policy to accomplish the task in real time based on the available sensor information will be presented. The effectiveness of proposed approach will be evaluated by demonstration results.

연구 동기 및 목표

• 시간이 오래 소요되는 사전 훈련 단계 없이도 실시간으로 작동하는 그립 정책을 개발하는 것.
• 시각이나 대규모 데이터셋에 의존하지 않고, 즉각적인 촉각 및 근접 센서 데이터만을 사용하여 물체를 그립하는 데에 가능하게 하는 것.
• 운동 중 및 정렬 과정에서 물체와의 지속적인 접촉을 유지하기 위해 동적 시스템 모델링을 활용하는 것.
• 제한된 계산 자원과 불확실성 하에서 실시간 의사결정을 수행하는 데 도전하는 것.

제안 방법

• 물체의 제약 표면을 물리적 경계로 포함하는 동적 시스템 모델을 사용하여 로봇-물체 상호작용을 수식화한다.
• 특히 촉각 및 근접 피드백을 포함한 실시간 센서 데이터를 사용하여 물체의 형상과 표면 기하학을 추정한다.
• 운동 중 접촉 유지 보장을 보장하기 위해 제약 조건이 있는 최적화 문제를 풀어 온라인으로 제어 정책을 생성한다.
• 정책은 시스템의 동적 방정식에서 유도되며, 실시간 센서 입력에 기반해 반복적으로 갱신된다.
• 학습 기반 또는 데이터 집약적인 방법을 피하고, 접촉 역학의 분석적 모델링에 의존한다.
• 저지연 실행을 고려하여 설계되어 표준 로봇 플랫폼에서 실시간 작동이 가능하도록 한다.

실험 결과

연구 질문

• RQ1 로봇이 사전 훈련 모델이나 대규모 데이터셋에 의존하지 않고 실시간으로 그립 정책을 생성할 수 있는가?
• RQ2 촉각 및 근접 피드백만을 사용하여 물체의 표면과의 지속적 접촉을 유지하기 위해 어떤 동적 모델링 접근 방식이 가능한가?
• RQ3 물체 기하학의 불확실성과 센서 측정 노이즈 하에서 실시간 제어는 어떻게 달성할 수 있는가?
• RQ4 물체 접근 및 조작 과정에서 안정적인 정렬과 접촉 유지 보장을 보장하기 위한 제어 전략은 무엇인가?
• RQ5 시각 기반 또는 학습 기반 요소가 없는 정책이 실제 환경에서 신뢰할 만한 그립 성능을 달성할 수 있는가?

주요 결과

• 제안된 정책은 계산 자원을 최소화하면서 임베디드 로봇 시스템에 적합한 실시간 그립 결정을 가능하게 한다.
• 시뮬레이션 및 실험 결과를 통해 운동 경로 전반에 걸쳐 물체와의 접촉이 유지됨을 확인하였다.
• 시각 입력이 필요 없이 촉각 및 근접 센서 데이터만으로도 물체 표면과의 안정적 정렬을 달성하였다.
• 센서 노이즈와 물체 기하학의 불확실성에 대해 뛰어난 강건성을 보였다.
• 사전 훈련 또는 학습 단계가 없어 설치 시간과 자원 소비가 크게 감소하였다.
• 시뮬레이션 및 실제 로봇 실험 모두에서 효과가 입증되어 실용적 타당성이 확인되었다.