[논문 리뷰] Constrained Dynamic Movement Primitives for Safe Learning of Motor Skills

Seiji Shaw, Devesh K. Jha외 5명|arXiv (Cornell University)|2022. 09. 28.

Robot Manipulation and Learning인용 수 5

한 줄 요약

이 논문은 비선형 최적화를 사용하여 DMP를 수정함으로써 안전 제약 조건을 ZBF(제로링 장벽 함수)를 통해 강제 적용하는 Constrained Dynamic Movement Primitives(CDMP)를 제안한다. 이는 새로운 장애물이 존재하는 환경에서도 충돌 없는 궤적을 보장한다. 방법은 안전 영역의 전진 불변성을 보장하면서도, 시연된 스킬의 기하학적 형태를 유지한다.

ABSTRACT

Dynamic movement primitives are widely used for learning skills which can be demonstrated to a robot by a skilled human or controller. While their generalization capabilities and simple formulation make them very appealing to use, they possess no strong guarantees to satisfy operational safety constraints for a task. In this paper, we present constrained dynamic movement primitives (CDMP) which can allow for constraint satisfaction in the robot workspace. We present a formulation of a non-linear optimization to perturb the DMP forcing weights regressed by locally-weighted regression to admit a Zeroing Barrier Function (ZBF), which certifies workspace constraint satisfaction. We demonstrate the proposed CDMP under different constraints on the end-effector movement such as obstacle avoidance and workspace constraints on a physical robot. A video showing the implementation of the proposed algorithm using different manipulators in different environments could be found here https://youtu.be/hJegJJkJfys.

연구 동기 및 목표

• 표준 동적 이동 원리(DMP)에서 형식적 안전 보장을 부족하여 과 generalization 과정에서 충돌이 발생할 수 있다는 문제를 해결하기 위해.
• 새로운 시작 및 목표 구성으로의 시범된 운동 스킬의 안전한 일반화를 가능하게 하기 위해.
• 장애물 회피 및 워크스페이스 경계와 같은 운영 제약 조건을 ZBF를 사용한 형식적 안전 인증과 함께 DMP에 통합하기 위해.
• 안전 제약 조건을 만족시키면서도 원래 시범된 궤적의 정성적 기하학적 형태를 유지하기 위해.
• 제약 조건을 충족시키기 위해 DMP의 강제 함수 가중치를 수정하는 계산적으로 타당한 최적화 기반 프레임워크를 제공하기 위해.

제안 방법

• 사용자가 정의한 제로링 장벽 함수(ZBF)를 만족시키기 위해 DMP의 강제 함수 가중치를 조정하기 위한 비선형 최적화 문제를 수립한다.
• ZBF를 사용하여 DMP 궤적이 사전 정의된 안전 영역(예: 장애물이 없는 워크스페이스) 내에 머물러 있음을 수학적으로 인증한다.
• 연속 시간 DMP 동역학을 수치 최적화를 위해 이산화하기 위해 콜로케이션 기반 궤적 이산화를 적용한다.
• IPOPT와 같은 표준 솔버를 사용하여 비볼록 최적화 문제를 해결함으로써 변형된 강제 함수 가중치를 계산한다.
• 궤적의 이산적 콜로케이션 점들에서 ZBF 조건을 강제 적용함으로써 안전 영역의 전진 불변성을 확보한다.
• 원래 DMP의 동역학적 구조를 유지하면서 최적화된 강제 함수 조정을 통해 제약 조건 준수를 도입한다.

실험 결과

연구 질문

• RQ1 기존에 보지 못한 장애물이 존재하는 새로운 환경에서 DMP를 수정하여 안전성을 보장할 수 있는가?
• RQ2 궤적 형태나 일반화 능력에 영향을 주지 않으면서 DMP 기반 운동 스킬 학습에 형식적 안전 보장을 통합할 수 있는가?
• RQ3 어떤 최적화 프레임워크가 ZBF 제약 조건을 충족시키기 위해 효과적으로 DMP 강제 함수 가중치를 변형시킬 수 있는가?
• RQ4 CDMP는 장애물 회피를 보장하면서도 시범된 궤적의 기하학적 정밀도를 어느 정도 유지할 수 있는가?
• RQ5 콜로케이션 점의 수가 계산 효율성과 제약 조건 이행 정확도에 어떤 영향을 미치는가?

주요 결과

• CDMP 방법은 시뮬레이션과 실제 로봇 실험을 통해 새로운 장애물이 존재하는 환경에서도 충돌 없는 궤적을 성공적으로 생성하였다.
• 백보드 그림 그리기 작업에서 장애물 제약 조건을 적용한 결과, 알고리즘은 원래 DMP 궤적의 정성적 형태를 유지하면서도 안전 제약 조건을 만족함을 입증하였다.
• Kinova Gen3와 Mitsubishi Electric Assista 로봇에서의 실험을 통해 CDMP가 실제 환경에서 실행 가능하고 안전한 궤적을 생성함을 확인하였다.
• 벽을 넘는 작업과 체스 기물 이동 작업에서 표준 DMP는 충돌로 실패한 반면, CDMP는 이에 대비해 뛰어난 내구성을 보였다.
• 계산 시간은 콜로케이션 점의 수가 증가함에 따라 증가했지만, 더 높은 해상도(n=50)는 더 낮은 해상도(n=10)보다 더 나은 제약 조건 이행 정확도를 보였다.
• 이 방법은 재학습이나 히وري스틱 튜닝 없이도 새로운 시작 및 목표 자세로의 운동 스킬의 안전한 일반화를 가능하게 하였다.