[論文レビュー] Folding Deformable Objects using Predictive Simulation and Trajectory Optimization

Yinxiao Li, Yonghao Yue+3 more|arXiv (Cornell University)|Dec 22, 2015

Human Motion and Animation参考文献 4被引用数 9

ひとこと要約

本論文では、衣類のような可撓性物体の最適なロボット折り畳み運動を生成するために、予測型薄皮シミュレーションを用いた軌道最適化フレームワークを提案する。形状の不一致を測る二次的目的関数を最小化することで、模擬的かつ所望の畳まれた状態との差を最小化し、ロバストでスケーラブルな軌道を生成する。この方法により、Baxterロボットは高成功率でさまざまな衣類を畳み、平均1分30秒未塔の折り畳み時間を達成する。

ABSTRACT

Robotic manipulation of deformable objects remains a challenging task. One such task is folding a garment autonomously. Given start and end folding positions, what is an optimal trajectory to move the robotic arm to fold a garment? Certain trajectories will cause the garment to move, creating wrinkles, and gaps, other trajectories will fail altogether. We present a novel solution to find an optimal trajectory that avoids such problematic scenarios. The trajectory is optimized by minimizing a quadratic objective function in an off-line simulator, which includes material properties of the garment and frictional force on the table. The function measures the dissimilarity between a user folded shape and the folded garment in simulation, which is then used as an error measurement to create an optimal trajectory. We demonstrate that our two-arm robot can follow the optimized trajectories, achieving accurate and efficient manipulations of deformable objects.

研究の動機と目的

• 可撓性物体、特に自律的衣類折り畳みのためのロボット操作に直面する課題に取り組むこと。これは、複雑な力学的条件下での正確な軌道計画を必要とする。
• 模擬的畳まれた形状と所望の畳まれた形状との形状の不一致を最小化することで、最適な折り畳み軌道を生成する手法を開発すること。
• シミュレーションから実世界へのギャップを埋めるために、材料特性や摩擦を含む現実世界の物理的条件に合わせてシミュレーションパラメータをキャリブレーションすること。
• スケーラブルなパラメータ化により、さまざまなサイズの衣類にわたる軌道の一般化を可能にすること。
• 実世界の折り畳み実験を用いて、本手法の有効性をBaxterロボット上で実証すること。

提案手法

• 本手法は、ロボットによる操作下での衣類の変形をモデル化するため、オフラインで予測型薄皮シミュレーションを用いる。材料特性とテーブルの摩擦を組み込む。
• 模擬的畳まれた形状とユーザーが指定したターゲット形状との不一致を測る二次的目的関数を定義し、これを誤差指標として用いる。
• 反復的な軌道最適化をシミュレーション内で実行し、この目的関数を最小化することで、各折り畳みステップ用の最適な運動経路を生成する。
• スリーブの端、襟、コーナーなどの重要な衣類特徴が自動で検出され、折り畳み計画の生成を支援する。
• キャリブレーション後に最適化された軌道が実ロボットにマッピングされ、現実世界の力学的特性と制御ノイズを補正するための調整が施される。
• 本手法は、サイズが異なる衣類にわたる軌道のスケーリングを可能にし、同時に折り畳みの正確性を維持する。

実験結果

リサーチクエスチョン

• RQ1 所望の畳まれた形状からの形状のずれを最小化するように、可撓性衣類を折り畳むための最適なロボット軌道をどのように生成できるか？
• RQ2 予測シミュレーションは、ロボットによる操作下での現実世界の衣類の変形をどの程度正確に再現できるか？
• RQ3 1つの最適化された軌道を、サイズが異なる衣類に一般化して適用できるか。その場合、高い折り畳み成功率を維持できるか？
• RQ4 物理的シミュレーションと軌道最適化を統合することで、ヒューリスティック的または非最適化アプローチと比較して、折り畳み性能がどの程度向上するか？
• RQ5 現実世界での実行における主な失敗モードは何か。シミュレーションベースの計画によってそれらはどのように緩和できるか？

主な発見

• Baxterロボットは7種類の衣類について10回の試行で平均93%の成功率を達成した。長袖シャツとタオルは100%の成功率を示した。
• ほとんどの衣類は2分未満で畳まれ、全テスト衣類の平均折り畳み時間は97秒であった。
• 長袖シャツとタオルは一貫した性能を示し、10回中10回の成功率を達成した。一方、ジーンズとパンツは高いせん断抵抗のため、成功率が低かった（10回中7回、8回）。
• 1回の衣類につき1回だけ輪郭フィッティングを実行することで、計算時間を短縮したが、正確性に影響を与えることなく実現した。
• 失敗の主な原因は、ロボットのモータ制御エラーによるアームのジタリで、これが衣類のずれと不正確な折り畳みを引き起こした。
• 模擬的および現実世界の衣類の変形は、視覚的および定量的に類似しており、シミュレーションから実世界への軌道転送の有効性が裏付けられた。