[논문 리뷰] DoraPicker: An Autonomous Picking System for General Objects

Hao Zhang, Pinxin Long외 11명|arXiv (Cornell University)|2016. 03. 21.

Robotic Path Planning Algorithms참고 문헌 23인용 수 4

한 줄 요약

DoraPicker는 고급 인식, 그립 계획 및 전용 3종의 그립퍼(진공, Openhand M2, 소프트 그립퍼)를 활용하여 창고 환경에서 일반 목적의 물체를 자율적으로 집고 놓는 로봇 시스템을 제안한다. 이 시스템은 혼잡하고 실제 환경에서의 작업에서도 뛰어난 성능을 발휘하며, 다양한 물체 유형에서 높은 성공률을 보이며, 작업에 특화된 인식 및 산업 현장 적용을 위한 하드웨어-소프트웨어 공동 설계에서 주요 기여를 한다.

ABSTRACT

Robots that autonomously manipulate objects within warehouses have the potential to shorten the package delivery time and improve the efficiency of the e-commerce industry. In this paper, we present a robotic system that is capable of both picking and placing general objects in warehouse scenarios. Given a target object, the robot autonomously detects it from a shelf or a table and estimates its full 6D pose. With this pose information, the robot picks the object using its gripper, and then places it into a container or at a specified location. We describe our pick-and-place system in detail while highlighting our design principles for the warehouse settings, including the perception method that leverages knowledge about its workspace, three grippers designed to handle a large variety of different objects in terms of shape, weight and material, and grasp planning in cluttered scenarios. We also present extensive experiments to evaluate the performance of our picking system and demonstrate that the robot is competent to accomplish various tasks in warehouse settings, such as picking a target item from a tight space, grasping different objects from the shelf, and performing pick-and-place tasks on the table.

연구 동기 및 목표

• 비정형 또는 반정형 창고 환경에서 일반 물체를 자율적으로 집고 놓을 수 있는 신뢰할 수 있는 로봇 시스템을 개발하는 것.
• 실제 창고 환경에서 다양한 형태, 무게, 재질의 물체를 다루는 데 도전하는 것.
• 인식, 그립 계획, 운동 계획 및 하드웨어 설계를 통합하여 통합적이고 작업 최적화된 시스템을 만드는 것.
• 선반 기반 및 테이블탑 피킹 및 놓기 작업을 포함한 다양한 실제 환경 시나리오에서 시스템 성능을 평가하는 것.
• 오류 복구 및 하드웨어-소프트웨어 공동 설계를 포함한 산업 현장 적용을 위한 핵심 설계 원칙을 규명하는 것.

제안 방법

• 시스템은 RGB-D 카메라와 워크스페이스 지식을 활용하여 혼잡한 장면에서 대상 물체의 6차원 자세를 검출하고 추정한다.
• 작업에 특화된 인식 파이프라인은 사전에 확보된 워크스페이스 지식(예: 선반 레이아웃, 용기 위치 등)을 활용하여 검출 및 자세 추정 정확도를 향상시킨다.
• 세 가지 커스터마이징된 그립퍼(진공, Openhand M2, 소프트 그립퍼)를 사용하여 다양한 형태, 무게, 재질의 물체를 다룰 수 있다.
• 그립 계획은 각 그립퍼 유형에 맞게 조정되며, 충돌이 없는 경로를 생성하여 물체에 접근하고 그립하는 운동 계획이 수행된다.
• 시스템은 인식, 계획, 제어 및 오류 복구 메커니즘을 통합한 모듈식 소프트웨어 아키텍처를 채택한다.
• 실패 분석을 통해 투명하거나 반사성 물체, 물체 가림, 다중 물체 피킹 문제를 특정화하고 향후 개선 방향을 도출한다.

실험 결과

연구 질문

• RQ1 어떻게 혼잡하고 실제 창고 환경에서 일반 목적의 물체를 자율적으로 견고하게 피킹할 수 있는가?
• RQ2 워크스페이스 지식에 기반한 작업에 특화된 인식이 물체 검출 및 6차원 자세 추정 정확도 향상에 어떤 역할을 하는가?
• RQ3 진공, 강성, 소프트 그립퍼 등 다양한 그립퍼 설계가 실제 환경에서 다양한 형태의 물체에 대해 어떻게 성능을 비교하는가?
• RQ4 신뢰성 있고 산업용 수준의 피킹 및 놓기 시스템을 설계할 때 하드웨어-소프트웨어 간의 주요 트레이드오프는 무엇인가?
• RQ5 자율 피킹에서 흔히 발생하는 실패 유형은 무엇이며, 오류 복구 메커니즘은 어떻게 설계하여 시스템의 견고성을 향상시킬 수 있는가?

주요 결과

• 소프트 그립퍼는 테스트한 30개 물체 중 28개에서 성공적인 그립을 달성하여 다양한 형태와 재질에 광범위한 호환성을 보였다.
• 진공 그립퍼는 종이, 상자, 소형 용기 등 경량, 평판형 또는 다공성 없는 물체에서 가장 우수한 성능을 보였다.
• Openhand M2 그립퍼는 안정적이고 파손이 잘 되지 않는 물체에서 뛰어난 성능을 보였지만, 제한된 도달 범위와 안정성으로 인해 선반 기반 피킹에는 부적합했다.
• 테이블탑 피킹 및 놓기 작업에서 높은 성공률를 기록했으며, 소프트 그립퍼가 비정형 및 취약한 물체를 다룰 때 다른 그립퍼보다 뛰어난 성능을 보였다.
• 실패 사례로는 밀접하게 위치한 비대상 물체를 동시에 피킹하는 현상과, RGB-D 시각화가 불량한 투명하거나 반사성 물체로 인한 어려움이 있었다.
• 연구는 작업에 특화된 인식과 하드웨어-소프트웨어 공동 설계가 견고한 산업 현장 적용을 위해 필수적이며, 오류 복구 메커니즘이 신뢰성 향상에 필수적이라고 결론 내렸다.