[논문 리뷰] Robust Physics-Based Manipulation by Interleaving Open and Closed-Loop Execution

Wisdom C. Agboh, Mehmet R. Doğar|arXiv (Cornell University)|2021. 05. 18.

Reinforcement Learning in Robotics참고 문헌 34인용 수 4

한 줄 요약

이 논문은 불확실성 하에서 물리 기반의 조작을 위한 하이브리드 계획 및 제어 프레임워크를 제안한다. 이 프레임워크는 강건성 있는 오픈 루프 실행과 모델 예측 제어를 번갈아 적용한다. 수축 이론을 통해 강건성 지표를 유도함으로써, 궤적을 강건한(오픈 루프) 및 비강건한(클로즈드 루프) 부분으로 분할하며, 오픈 루프 기반 보다 35% 높은 실제 환경 성공률을 달성하고, 전체 클로즈드 루프 제어보다 40% 더 빠른 실행 속도를 확보하면서도 실시간 성능을 유지는 하며 클로즈드 루프 성공률을 유지한다.

ABSTRACT

We present a planning and control framework for physics-based manipulation under uncertainty. The key idea is to interleave robust open-loop execution with closed-loop control. We derive robustness metrics through contraction theory. We use these metrics to plan trajectories that are robust to both state uncertainty and model inaccuracies. However, fully robust trajectories are extremely difficult to find or may not exist for many multi-contact manipulation problems. We separate a trajectory into robust and non-robust segments through a minimum cost path search on a robustness graph. Robust segments are executed open-loop and non-robust segments are executed with model-predictive control. We conduct experiments on a real robotic system for reaching in clutter. Our results suggest that the open and closed-loop approach results in up to 35% more real-world success compared to open-loop baselines and a 40% reduction in execution time compared to model-predictive control. We show for the first time that partially open-loop manipulation plans generated with our approach reach similar success rates to model-predictive control, while achieving a more fluent/real-time execution. A video showing real-robot executions can be found at https://youtu.be/rPOPCwHfV4g.

연구 동기 및 목표

• 상태 불확실성과 모델 정확도 부족이 존재하는 물리 기반 로봇 조작에서 높은 성공률를 달성하는 데 도전하는 것.
• 실행 중 재계획 수립에 대한 계산 비용이 큰 의존도를 줄임으로써 실시간으로 유연한 실행을 가능하게 하는 것.
• 자율적으로 강건한 오픈 루프 세그먼트와 피드백 제어가 필요한 비강건 세그먼트를 식별하고 분리하는 것.
• 상태 불확실성과 모델 정확도 부족에 대한 저항력을 정량적으로 측정할 수 있는 강건성 지표를 개발하는 것.
• 부분적으로 오픈 루프 계획이 전체 클로즈드 루프 제어와 유사한 성공률을 달성할 수 있으며, 더 빠른 속도로 작동할 수 있음을 입증하는 것.

제안 방법

• 수축 이론을 활용해 궤적 계획에서 상태 불확실성과 모델 정확도 부족에 대한 저항력을 정량화하는 강건성 지표를 유도한다.
• 노드가 시간 포인트를 나타내고, 간선이 그 사이의 강건 또는 비강건 전이를 나타내는 강건성 그래프를 구성한다.
• 강건성 그래프에서 최소 비용 경로 탐색을 수행하여 궤적을 강건한(오픈 루프) 및 비강건한(클로즈드 루프) 세그먼트로 분할한다.
• 강건한 세그먼트는 오픈 루프로 실행하여 유연성과 실시간 성능을 확보하고, 비강건한 세그먼트에는 모델 예측 제어를 적용해 피드백 보정을 수행한다.
• 유도된 강건성 지표를 활용한 궤적 최적화를 통해 불확실성에 내재적으로 강건한 계획을 생성한다.
• 함정으로 몰고 가는 동작과 안정된 접촉 운동을 핵심 전략으로 활용하여 상태 불확실성을 감소시키고 강건성을 향상시킨다.

실험 결과

연구 질문

• RQ1 오픈 루프와 클로즈드 루프 실행을 조합한 하이브리드 제어 전략이 불확실한 물리 기반 조작에서 순수 오픈 루프 방법보다 더 높은 성공률을 달성할 수 있는가?
• RQ2 이러한 하이브리드 전략은 전체 클로즈드 루프 제어보다 더 빠른 실행 속도를 확보하면서도 유사한 성공률을 유지할 수 있는가?
• RQ3 상태 불확실성과 모델 정확도 부족에 대한 강건성을 정량적으로 측정하고 궤적 계획에 통합할 수 있는가?
• RQ4 다중 접촉 조작에서 강건성을 높이는 데 기여하는 운동 전략(예: 함정으로 몰기, 안정된 밀기 등)은 어떤 것인가?
• RQ5 부분적으로 오픈 루프 계획이 실제 환경의 물리 기반 조작 과제에서 전체 클로즈드 루프 제어만큼 성공률가 높을 수 있는가?

주요 결과

• 통합 오픈 및 클로즈드 루프 접근 방식은 혼잡한 도달 과제에서 오픈 루프 기반 대비 최대 35% 높은 실제 환경 성공률를 달성했다.
• 전체 모델 예측 제어 대비 실행 시간이 40% 감소했으며, 유사한 성공률를 유지했다.
• 제안된 방법으로 생성된 부분적 오픈 루프 계획은 전체 클로즈드 루프 제어의 성공률를 맞추었으며, 지속적인 재계획 수립 없이도 강건성을 확보할 수 있음을 입증했다.
• 함정으로 몰아가는 동작(예: 물체를 벽 쪽으로 밀어 불확실성을 감소시키기)이 실험에서 강건성 향상에 기여하는 핵심 전략으로 규명되었다.
• 강건성 그래프 분할 방법은 자유 공간 및 함정으로 몰이 운동에서 오픈 루프 실행에 적합한 세그먼트를 성공적으로 식별했다.
• 이 프레임워크는 과제 난이도에 따라 완전히 오픈 루프, 완전히 클로즈드 루프 또는 하이브리드 실행으로 전환 가능한 적응성을 보였다.