[논문 리뷰] The Manifold Particle Filter for State Estimation on High-dimensional Implicit Manifolds

Matthew Klingensmith, Michael C. Koval외 3명|arXiv (Cornell University)|2016. 04. 25.

Robot Manipulation and Learning참고 문헌 24인용 수 3

한 줄 요약

이 논문은 고차원 접촉 다각형을 암묵적으로 표현하기 위해 부호 거리 필드(SDF)를 사용하는 암묵적 다각형 입자 필터(IMPF)를 제안한다. 이는 펄스성 감각이 떨어지는 로봇에서 상태 추정을 위한 효율적인 입자 샘플링을 가능하게 한다. 이 방법은 특히 6개 이상의 자유도를 가진 로봇 암과 비구동 수단에서의 지속적 접촉 상황에서 수렴 속도와 정확도 면에서 기존 입자 필터보다 뛰어나다.

ABSTRACT

We estimate the state a noisy robot arm and underactuated hand using an Implicit Manifold Particle Filter (MPF) informed by touch sensors. As the robot touches the world, its state space collapses to a contact manifold that we represent implicitly using a signed distance field. This allows us to extend the MPF to higher (six or more) dimensional state spaces. Earlier work (which explicitly represents the contact manifold) only shows the MPF in two or three dimensions. Through a series of experiments, we show that the implicit MPF converges faster and is more accurate than a conventional particle filter during periods of persistent contact. We present three methods of sampling the implicit contact manifold, and compare them in experiments.

연구 동기 및 목표

• 기계적 여유, 비구동성 또는 센서 노이즈로 인한 감각 정보의 불완전성으로 인해 발생하는 고차원 로봇 시스템의 상태 추정 문제를 해결한다.
• 기존 입자 필터(CPF)에서 발생하는 입자 부족 문제를 해결하기 위해, 주변 공간에서 측정값이 0인 저차원 접촉 다각형에서의 샘플링을 가능하게 한다.
• 접촉 다각형을 부호 거리 필드(SDF)를 사용해 암묵적으로 표현하고, 투영을 통해 6개 이상의 자유도를 가진 시스템으로 맨드포트 필터(MPF)를 확장한다.
• 관절 인코더가 신뢰할 수 없을 경우에도, 촉각 및 감각 피드백을 활용해 지속적 접촉 상황에서 안정적인 상태 추정을 가능하게 한다.
• 7-DOF 암과 비구동 3-DOF 손에 대한 시뮬레이션 및 실제 실험을 통해 방법의 효과성을 입증한다.

제안 방법

• 기본적으로 정적 환경에서 계산된 부호 거리 필드(SDF)를 사용해 접촉 다각형을 암묵적으로 표현함으로써, 명시적 기하학적 매개변수화를 피한다.
• 전체 상태 공간에서 이전 입자 집합 근처의 영역에서 입자를 균일하게 샘플링한 후, SDF와 로봇의 임계행렬을 사용해 접촉 다각형으로 투영한다.
• 제약 조건 투영을 통해 주변 공간에서의 샘플을 접촉 다각형으로 매핑함으로써, 입자가 타당한 구성 상태 집합에 머물도록 보장한다.
• 세 가지 샘플링 전략을 구현한다: 주변 공간에서의 균일 샘플링(MPF-Uniform), 입자 기반 샘플링(MPF-Particle), 공 기반 샘플링(MPF-Ball). 각 전략은 서로 다른 투영 및 재표본화 히우리스틱을 사용한다.
• 이전 입자 분포와의 근접도를 기반으로 입자를 재가중하여 시간적 일관성을 유지하고 분해를 줄인다.
• 촉각 센서에서 온 관측치가 상태를 접촉 다각형으로 제약함으로써 베이지안 추정 프레임워크에 필터를 통합하고, 믿음 상태를 반복적으로 갱신한다.

실험 결과

연구 질문

• RQ1 부호 거리 필드(SDF)를 통한 접촉 다각형의 암묵적 표현이, 명시적 표현이 실패하는 고차원 상태 공간(≥6 DOF)에서 효과적인 입자 샘플링을 가능하게 하는가?
• RQ2 지속적 접촉 상황에서 암묵적 다각형 입자 필터(IMPF)의 수렴 속도와 추정 정확도가 기존 입자 필터(CPF)보다 어떻게 비교되는가?
• RQ3 균일, 입자 기반, 공 기반 샘플링 전략 중 어느 것이 암묵적 접촉 다각형 상에서 가장 정확하고 강력한 상태 추정을 제공하는가?
• RQ4 촉각 피드백의 지연 또는 편향이, 특히 비구동 시스템에서 IMPF의 안정성과 정확도에 어느 정도 영향을 미치는가?
• RQ5 IMPF는 관절 케이블 전송 방식을 가진 7-DOF 암이나 클러치 기반 관절을 가진 비구동 손과 같이 감각 정보가 노이즈가 많은 실제 로봇 시스템에 효과적으로 적용될 수 있는가?

주요 결과

• 암묵적 다각형 입자 필터(IMPF)는 시뮬레이션 및 실제 로봇 실험 모두에서 기존 입자 필터(CPF)보다 뛰어나며, 지속적 접촉 상황에서 더 빠른 수렴 속도와 더 낮은 추정 오차를 보였다.
• 7-DOF 암 실험에서 MPF-Ball이 가장 우수한 성능을 보였으며, CPF 대비 평균 오차를 50% 이상 감소시켰고, MPF-Particle 및 MPF-Uniform보다 뛰어났다.
• 비구동 손의 경우, 모든 IMPF 변종(MPF-Uniform, MPF-Particle, MPF-Ball)이 CPF를 초월했으며, 저차원이고 독립적인 운동학 사슬으로 인해 상호 간 유의미한 차이가 없었다.
• 접촉 발생 초기에 입자 분포에 큰 일시적 변동이 발생했으며, 이는 스트레인 게이지 센서의 모델링되지 않은 지연으로 인한 것으로 보이며, 관측 모델 정밀도의 한계를 드러낸다.
• 암묵적인 SDF 기반 표현은 명시적 해석적 또는 샘플 기반 다각형 매개변수화가 필요 없이 고차원 다각형에서의 확장 가능한 상태 추정을 가능하게 한다.
• 주변 공간 샘플이 다각형으로 비균일하게 투영될 수 있는 잠재적 편향이 존재하더라도 IMPF는 강력한 성능을 유지하며, 테스트 시나리오에서 이 편향이 추정 품질을 심각하게 떨어뜨리지 않는 것으로 나타났다.