[논문 리뷰] Toward Fast and Optimal Robotic Pick-and-Place on a Moving Conveyor

Shuai D. Han, Si Wei Feng외 1명|arXiv (Cornell University)|2019. 12. 17.

Robotic Path Planning Algorithms참고 문헌 28인용 수 4

한 줄 요약

이 논문은 이동하는 컨veyor에서 로봇의 피킹-플레이스 작업을 위한 시간 최적의 피킹 순서를 계산하는 동적 프로그래밍 기반 알고리즘인 OptSeqDP와 SubOptDP를 제안한다. 이는 일반적으로 사용되는 그레디 히우리스틱보다 뛰어난 성능을 보이며, 기하학적 및 동적 제약 조건 하에서 물체의 순서를 최적화함으로써 10–40% 높은 처리량을 달성한다. 수백 개의 물체에 대해 1초 이내의 실행 시간을 확보한다.

ABSTRACT

Robotic pick-and-place (PnP) operations on moving conveyors find a wide range of industrial applications. In practice, simple greedy heuristics (e.g., prioritization based on the time to process a single object) are applied that achieve reasonable efficiency. We show analytically that, under a simplified telescoping robot model, these greedy approaches do not ensure time optimality of PnP operations. To address the shortcomings of classical solutions, we develop algorithms that compute optimal object picking sequences for a predetermined finite horizon. Employing dynamic programming techniques and additional heuristics, our methods scale to up to tens to hundreds of objects. In particular, the fast algorithms we develop come with running time guarantees, making them suitable for real-time PnP applications demanding high throughput. Extensive evaluation of our algorithmic solution over dominant industrial PnP robots used in real-world applications, i.e., Delta robots and Selective Compliance Assembly Robot Arm (SCARA) robots, shows that a typical efficiency gain of around 10-40% over greedy approaches can be realized.

연구 동기 및 목표

• 이동하는 컨veyor에서 널리 사용되는 그레디 히우리스틱(예: FIFO, SPT)의 부분 최적성 문제를 해결하기 위해.
• 유한 시간 범위에서 시간 최적 또는 근사 최적의 피킹 순서를 보장하는 원칙적이고 계산 효율적인 알고리즘 프레임워크를 개발하기 위해.
• 다양한 물체 밀도와 컨veyor 속도에서 실존하는 산업용 로봇 모델(Delta 및 SCARA)을 대상으로 제안된 알고리즘의 성능을 평가하기 위해.
• 최적의 순서 결정이 고속 산업 자동화 환경에서 실질적인 효율성 향상에 기여할 수 있음을 입증하기 위해.

제안 방법

• 이동하는 컨veyor에서의 로봇 PnP 문제를 기하학적 및 동적 제약 조건이 있는 유한 시간 범위 최적화 문제로 수식화하기 위해.
• 최대 20개의 물체에 대해 정확한 최적 순서를 계산하는 완전한 동적 프로그래밍 솔루션인 OptSeq 알고리즘을 개발하기 위해.
• 자르기 및 국소성 기반 히우리스틱을 적용한 동적 프로그래밍을 통해 100개 이상의 물체로 확장 가능한 OptSeqDP 및 SubOptDP를 도입하기 위해.
• 로봇의 운동학 및 역학을 비용 함수에 통합하여 현실적인 운동 시간 프로파일을 모델링하기 위해.
• 확장 가능한, Delta 및 SCARA 로봇 모델을 포함한 시뮬레이션 환경을 구축하여 알고리즘 성능 평가하기 위해.
• 다양한 물체 밀도에서 성능 측정 지표로 총 성공 피킹 물체 수와 실행 시간 효율성 등을 적용하기 위해.

실험 결과

연구 질문

• RQ1 표준 그레디 히우리스틱(예: FIFO, SPT)은 이동 컨veyor에서의 로봇 피킹-플레이스 작업에서 시간 효율성 측면에서 얼마나 부분 최적화되어 있는가?
• RQ2 실제 로봇 역학 및 기하학적 제약 조건 하에서 동적 프로그래밍을 효과적으로 적용하여 최적 또는 근사 최적의 피킹 순서를 계산할 수 있는가?
• RQ3 제안된 알고리즘이 수백 개의 물체로 확장될 경우 실시간 실행 가능성 유지 범위는 어느 정도인가?
• RQ4 지속적인 고속 PnP 운영 환경에서 제안된 알고리즘은 기존 히우리스틱 대비 어떤 정도의 성능 향상을 보이는가?
• RQ5 다양한 로봇 유형(예: Delta, SCARA)과 물체 분포(예: 포isson 및 균일 분포)에서 제안된 알고리즘의 성능는 어떻게 변화하는가?

주요 결과

• 간단한 확장 가능한 로봇 모델을 기반으로 분석적으로 입증한 결과, FIFO 및 SPT와 같은 그레디 히우리스틱은 최적 솔루션 대비 최대 40%의 시간 효율 손실을 초래할 수 있다.
• OptSeqDP 및 SubOptDP 알고리즘은 최대 100개의 물체에 대해 1초 이내로 최적 또는 근사 최적의 피킹 순서를 계산하여 실시간 구현 가능성을 확보한다.
• 일회성 시나리오에서 제안된 알고리즘은 FIFO, 유클리드, SPT 히우리스틱 대비 최대 20%의 실행 시간 감소를 달성한다.
• 지속적인 컨베이어 운영 환경에서 제안된 방법은 그레디 기반 기준 대비 성공적으로 피킹된 물체 수에서 일관되게 10–40%의 향상을 보인다.
• 확장 가능한, Delta, SCARA 등 다양한 로봇 모델과 물체 분포(Poisson 및 균일) 전반에서 성능 향상이 견고하게 유지된다.
• 그레디 방법이 긴 이동 시간으로 인해 나쁜 물체 선택을 겪는 고밀도 물체 환경에서 알고리즘이 뚜렷한 우월성을 보인다.