[论文解读] A probabilistic framework for tracking uncertainties in robotic manipulation

Huy Hoang Nguyen, Quang‐Cuong Pham|arXiv (Cornell University)|Jan 4, 2019

Robot Manipulation and Learning参考文献 26被引用 5

一句话总结

本文提出了一种概率框架，通过将机器人操作过程分解为感知和物理交互两个阶段，实现对不确定性的全程追踪。感知阶段使用SE(3)中的概率分布，物理交互阶段使用加权粒子表示，结合不确定性感知的规划方法，显著提升了装配任务的速度与可靠性，在销钉插入和双销插入任务中均实现了100%成功率，并将搜索操作速度提升2倍。

ABSTRACT

Precisely tracking uncertainties is crucial for robots to successfully and safely operate in unstructured and dynamic environments. We present a probabilistic framework to precisely keep track of uncertainties throughout the entire manipulation process. In agreement with common manipulation pipelines, we decompose the process into two subsequent stages, namely perception and physical interaction. Each stage is associated with different sources and types of uncertainties, requiring different techniques. We discuss which representation of uncertainties is the most appropriate for each stage (e.g. as probability distributions in SE(3) during perception, as weighted particles during physical interactions), how to convert from one representation to another, and how to initialize or update the uncertainties at each step of the process (camera calibration, image processing, pushing, grasping, etc.). Finally, we demonstrate the benefit of this fine-grained knowledge of uncertainties in an actual assembly task.

研究动机与目标

• 为解决机器人操作中缺乏系统性不确定性追踪的问题，尤其是在感知与物理交互阶段之间。
• 开发一个统一框架，对从相机标定到图像处理以及抓取、推挤等物理交互过程中的不确定性进行建模与传播。
• 展示细粒度的不确定性知识如何提升复杂操作任务（如销钉插入和双销插入）中的规划效率与成功率。
• 实现不确定性感知的动作规划，包括成功概率估计与不确定性降低策略。
• 提供一种在不同阶段之间转换不确定性表示形式（如SE(3)分布与加权粒子）的方法。

提出的方法

• 该框架将操作过程分解为感知与物理交互两个阶段，每个阶段具有不同的不确定性来源与表示方式。
• 感知阶段的不确定性建模为SE(3)上的概率分布，利用概率理论实现系统性传播。
• 在物理交互阶段，不确定性以加权粒子形式表示，以捕捉非高斯与多模态分布。
• 建立了SE(3)概率分布与加权粒子之间的转换机制，确保各阶段间的一致性。
• 在每个阶段对不确定性进行初始化与更新——例如通过相机标定、图像处理，以及在推挤/抓取过程中的力传感。
• 该框架支持不确定性感知的规划，例如基于位姿不确定性边界优化椭圆螺旋搜索路径。

实验结果

研究问题

• RQ1 如何在机器人操作的感知与物理交互阶段之间系统性地追踪与表示不确定性？
• RQ2 每个阶段最合适的不确定性表示形式（如SE(3)分布与加权粒子）是什么？它们之间如何实现转换？
• RQ3 细粒度的不确定性知识如何提升如销钉插入等复杂操作任务的成功率与效率？
• RQ4 不确定性感知的规划是否能减少动作数量并加速装配任务的收敛？
• RQ5 在实时操作中，不确定性精度与计算成本之间的实际权衡是什么？

主要发现

• 不确定性感知的螺旋搜索策略使单个圆柱销钉插入任务的平均运行时间减少了两倍，相较于传统的圆形螺旋搜索。
• 通过同时利用平动与转动不确定性信息，该框架在双销插入任务中25次尝试均实现100%成功率。
• 双销插入任务中基于力控的探索平均耗时为28.3 ± 7.1秒，证明了其实际可行性。
• 在物理交互阶段使用加权粒子能有效捕捉非高斯不确定性演化，尤其在抓取与推挤过程中表现突出。
• 该框架通过规划实现主动不确定性降低，例如利用接触定位在抓取后约束位姿不确定性。
• 研究表明，精确的不确定性追踪能显著提升操作的可靠性与效率，尤其在高精度任务中。