[論文レビュー] Efficient Hierarchical Robot Motion Planning Under Uncertainty and Hybrid Dynamics

Ajinkya Jain, Scott Niekum|arXiv (Cornell University)|Feb 12, 2018

Robotic Path Planning Algorithms被引用数 9

ひとこと要約

本稿では、不確実性およびハイブリッドダイナミクスを伴うロボットの運動計画のための階層的POMDPプランナを提案する。問題は、局所的ダイナミクスモデルの上での高レベル離散計画と、低レベルの連続的信念空間計画に分解される。この手法により、非線形で接触が豊富な環境において、効率的かつロバストな計画が可能となり、14.682秒の計画時間と、運動制約による顕著な不確実性低減を伴うシミュレートされた航空機組立タスクで実証された。

ABSTRACT

Noisy observations coupled with nonlinear dynamics pose one of the biggest challenges in robot motion planning. By decomposing nonlinear dynamics into a discrete set of local dynamics models, hybrid dynamics provide a natural way to model nonlinear dynamics, especially in systems with sudden discontinuities in dynamics due to factors such as contacts. We propose a hierarchical POMDP planner that develops cost-optimized motion plans for hybrid dynamics models. The hierarchical planner first develops a high-level motion plan to sequence the local dynamics models to be visited and then converts it into a detailed continuous state plan. This hierarchical planning approach results in a decomposition of the POMDP planning problem into smaller sub-parts that can be solved with significantly lower computational costs. The ability to sequence the visitation of local dynamics models also provides a powerful way to leverage the hybrid dynamics to reduce state uncertainty. We evaluate the proposed planner on a navigation task in the simulated domain and on an assembly task with a robotic manipulator, showing that our approach can solve tasks having high observation noise and nonlinear dynamics effectively with significantly lower computational costs compared to direct planning approaches.

研究の動機と目的

• 接触による観測ノイズや突然のダイナミクス変化が生じる非線形で部分的に観測可能なシステムにおける計画の課題に対処する。
• 長時間スパンの完全なPOMDP計画の計算不能性を、取り扱える部分問題に分解することで克服する。
• ハイブリッドダイナミクスモデル（同時に有効なのは1つの局所的ダイナミクスモデルのみ）を活用して、複雑な非線形ダイナミクスを単純化し、不確実性を考慮した計画を可能にする。
• タスク固有の制約（例：平面に沿った運動）を活用して、状態の不確実性を能動的に低減させ、計画のロバストネスを向上させる。
• 直接POMDPアプローチに比べて、高ノイズおよび非線形な状況下でも優れた性能を示す、スケーラブルで計算的に効率的な計画フレームワークを開発する。

提案手法

• システム状態に連続的状態と、有効な局所的ダイナミクスモデルを示す離散的モードを含むハイブリッドダイナミクスフレームワークを用いてロボットのダイナミクスをモデル化する。
• 連続的状態と有効なダイナミクスモードの両方の不確実性を表現するハイブリッド信念状態を定義し、ハイブリッド信念伝搬式を用いる。
• POMDP計画問題を二段階に分解する：高レベルの離散的計画により、局所的ダイナミクスモデルの訪問順序を決定し、その後に低レベルの連続的信念空間計画を実行する。
• 高レベルの計画を用いて、状態の不確実性を低減できる局所的ダイナミクスモデルの選択を促進する（例：平面に沿った運動制約）。
• 両レベルでサンプリングベースのPOMDPソルバーを適用し、高レベルプランナは離散的状態遷移を、低レベルプランナは信念不確実性下での連続的軌道最適化を実行する。
• 観測モデルを平均0のガウスノイズ（w ~ N(0, 2I₂)）と過程ノイズ（v ~ N(0, I₂)）で定式化し、ハイブリッド信念フレームワーク内での確率的状態推定を可能にする。

実験結果

リサーチクエスチョン

• RQ1 長時間スパンの不確実性下での運動計画問題を、計算的に取り扱える部分問題に階層的POMDPプランナが効果的に分解できるか？
• RQ2 ノイズや部分的観測がある状況下で、ハイブリッドダイナミクスモデルをどのように活用して状態の不確実性を低減できるか？
• RQ3 局所的ダイナミクスモデルの順序付けが、非線形で接触が豊富なタスクにおける計画のロバストネスと計算効率にどの程度寄与するか？
• RQ4 タスク固有の制約（例：平面に沿った運動）を活用して、追加のセンサーを必要とせずに不確実性を能動的に低減できるか？
• RQ5 複雑で非線形なドメインにおいて、直接POMDP計画法と比較して、提案手法の性能と計算時間はどの程度優れているか？

主な発見

• 階層的プランナは、翼の穴へのギア挿入を含むロボットアセンブリタスクについて、実行可能な運動計画を効果的に生成した。標準CPU上で14.682秒の計画時間でタスクを完了した。
• 運動制約（例：平面に沿った運動）を活用して不確実性を低減したことが、局所化中に軌道が翼に平行な平面内に保たれていることから裏付けられた。
• 高レベルの計画が、状態の不確実性が低減する領域に到達する前に、局所的ダイナミクスモデル（例：エッジや平面に沿った運動）を明示的に選択することで、ロボットを誘導した。
• 幾何的制約を活用して不確実性低減を実現する離散的モデル順序付けにより、観測ノイズが高め（2×I₂共分散）な状況下でも計画のロバストネスを確保した。
• 離散的および連続的計画レベルへの分解により、直接POMDP計画法に比べて計算コストを顕著に低減し、複雑で非線形なドメインにおける実行可能な計画を可能にした。
• 本手法は、シミュレートされたナビゲーションタスクおよびロボット操作タスクの両方で有効性を示した。ハイブリッドダイナミクスモデリングにより、効率的かつ情報収集型の運動計画が可能であることが明らかになった。