[論文レビュー] Multi-Task Domain Adaptation for Deep Learning of Instance Grasping from Simulation

Kuan Fang, Yunfei Bai+3 more|arXiv (Cornell University)|Oct 17, 2017

Robot Manipulation and Learning参考文献 33被引用数 10

ひとこと要約

本論文は、ラベル付きデータを用いてシミュレーションでインスタンス grasping のための深層ニューラルネットワークを学習し、両ドメインの不定形 grasping データのみを用いて実世界のロボットへ転移する、マルチタスクドメイン適応フレームワークを提案する。インスタンス grasping と不定形 grasping タスク間でネットワークアーキテクチャを共有し、ドメイン対抗損失を適用することで、実世界のラベル付きデータが一切不要な状態で、実世界でのインスタンス grasping で 64.8% の成功率を達成した。これはベースラインや二塔型ドメイン適応を上回る結果である。

ABSTRACT

Learning-based approaches to robotic manipulation are limited by the scalability of data collection and accessibility of labels. In this paper, we present a multi-task domain adaptation framework for instance grasping in cluttered scenes by utilizing simulated robot experiments. Our neural network takes monocular RGB images and the instance segmentation mask of a specified target object as inputs, and predicts the probability of successfully grasping the specified object for each candidate motor command. The proposed transfer learning framework trains a model for instance grasping in simulation and uses a domain-adversarial loss to transfer the trained model to real robots using indiscriminate grasping data, which is available both in simulation and the real world. We evaluate our model in real-world robot experiments, comparing it with alternative model architectures as well as an indiscriminate grasping baseline.

研究の動機と目的

• 実世界でのラベル付きデータ収集が高価かつ時間のかかる課題であるインスタンス grasping のシミュレーションから実世界への転移を解決すること。
• 実世界のラベル付きデータが一切不要な状態で、シミュレーションでのみラベル付き成功報酬に基づいて学習されたインスタンス grasping ポリシーをゼロショットで実世界に展開できること。
• タスク間で共有される特徴を用いたドメイン対抗適応により、シミュレーションと現実の間のドメインシフトを軽減すること。
• 1枚の初期インスタンスセグメンテーションマスクとモノクローラルRGB画像のみを用いて、ステップごとのセグメンテーションを回避し、効果的なインスタンス grasping を実現すること。
• 追加の実世界ファインチューニングなしに、未知の物体に対しても一般化できること。

提案手法

• 共有畳み込み特徴とタスク固有のヘッドを用いて、インスタンス grasping と不定形 grasping を同時に学習するマルチタスク学習フレームワーク。
• モデルはモノクローラルRGB画像と1枚のインスタンスセグメンテーションマスクを入力として受け取り、候補となるモーターコマンドのグリップ成功確率を予測する。
• 共有特徴表現に対してドメイン対抗損失を適用し、シミュレーションデータと実世界データの間のドメインシフトを最小化する。
• 両ドメインの不定形 grasping データを用いてドメイン識別器を学習させ、特徴レベルの整合性を実現する。
• ネットワークは三塔型アーキテクチャを採用：共有RGBストリーム、各グリップタイプ固有のタスクヘッド、ドメイン対抗適応のためのドメイン識別器。
• マスク R-CNN はエピソードの開始時のみ1回だけ使用され、リアルタイムの推論負荷を回避する。

実験結果

リサーチクエスチョン

• RQ1 シミュレーションでのインスタンス grasping データでのみ学習したモデルが、実世界のラベル付きデータが一切ない状態でも実世界への展開に一般化可能か？
• RQ2 マルチタスクドメイン適応は、シミュレーションと実世界のロボット grasping 間のドメインシフトをどれほど効果的に軽減できるか？
• RQ3 インスタンス grasping と不定形 grasping の間でネットワークアーキテクチャを共有することで、別々のアーキテクチャと比較して転移性が向上するか？
• RQ4 1枚の初期セグメンテーションマスクで、実世界のシナリオにおいても効果的なインスタンス grasping が可能か？
• RQ5 本手法は、不定形 grasping ポリシーのみを用いるベースラインや二塔型ドメイン適応と比較して、どのように優れているか？

主な発見

• 提案手法は、実世界でのインスタンス grasping で 64.8% の成功率を達成し、不定形 grasping ベースライン（ターゲットオブジェクトで 13.6% の成功）を顕著に上回った。
• 三塔型マルチタスクドメイン適応フレームワークは 64.8% の成功率を達成し、二塔型ベースライン（34.8%）を上回り、タスクとドメインのギャップを埋める重要性を示した。
• 個別のネットワークヘッドではなく、定常マスクを用いることで、性能が 58.4% から 64.8% に向上し、アーキテクチャの一貫性が転移性を向上させることを示した。
• モデルは、実世界の未知の家庭用食器類のオブジェクトに対しても一般化でき、分布シフトに対して頑健であることを示した。
• 本手法は、実世界の不定形 grasping データのみを用いて、シミュレーションでのみ学習されたポリシーを実ロボットに成功裏に転送した。
• ドメイン対抗損失はドメインシフトを効果的に低減し、実世界のラベル付きデータが一切ない状態でも高い実世界性能を実現できた。