[論文レビュー] Pushing Fast and Slow: Task-Adaptive MPC for Pushing Manipulation Under Uncertainty

Wisdom C. Agboh, Mehmet R. Doğar|arXiv (Cornell University)|May 8, 2018

Modular Robots and Swarm Intelligence参考文献 30被引用数 6

ひとこと要約

本論文は、タスクに応じて動きの速度を動的に調整する、ロボットの押しつぶし操作を対象としたタスク適応型モデル予測制御（MPC）フレームワークを提案する。精度が求められるタスクでは速度を落とし、精度が低いタスクでは速度を上げる。MDPの定式化と可変速度プロファイルを用いた軌道最適化を組み合わせることで、行動の探索を効率的に行い、計算時間を短縮する。

ABSTRACT

We propose a model predictive control approach to pushing based manipulation. The key feature of the algorithm is that it can adapt to the accuracy requirements of a task, by slowing down and generating careful motion when the task requires high accuracy, and by speeding up and moving fast when the task allows inaccuracy. We formulate the problem as an MDP and use an approximate online solution to the MDP. We use a trajectory optimizer with a deterministic model to suggest promising actions to the MDP, to reduce computation time spent on evaluating different actions. The trajectory optimizer is then initialized with trajectories with different speed profiles to generate a variety of actions for the MDP that can adapt to different tasks.

研究の動機と目的

• 不確実性が大きく、タスクの精度が著しく変動するロボットの押しつぶし操作の課題に対処すること。
• タスク固有の精度要件に応じて動的に変化する運動計画を可能にすること。
• 軌道最適化を活用して行動選択をガイドすることで、オンラインMPCにおける計算コストを低減すること。
• モデル予測制御と速度適応型運動生成を統合することで、押しつぶしタスクにおけるロバスト性と効率性を向上させること。

提案手法

• 不確実性下での意思決定をモデル化するため、押しつぶし操作問題をマルコフ決定過程（MDP）として定式化する。
• リアルタイム制御意思決定を可能にするために、MDPの近似的なオンライン解法を用いる。
• 決定的モデルと軌道最適化を統合し、MDPのための有望な候補行動を生成する。
• 多様な速度プロファイルを初期化として用いて、さまざまなタスク要件に適した幅広い行動の集合を生成する。
• タスクの精度要件に応じて行動を選択する——高精度タスクでは遅く、正確な動きを、低要求タスクでは速い動きを実行する。
• 軌道最適化が提案する高品質な行動に限定してMDP評価を行うことで、計算時間を短縮する。

実験結果

リサーチクエスチョン

• RQ1 モデル予測制御は、ロボットの押しつぶしタスクにおける精度要件の変動をどのように扱えるか？
• RQ2 可変速度初期化を用いた軌道最適化をMPCに統合した場合、効率性と性能にどのような影響を与えるか？
• RQ3 タスク適応型MPCフレームワークは、不確実性下でもロバスト性を維持しつつ、計算コストを低減できるか？
• RQ4 動的な速度調整は、押しつぶし操作におけるタスク成功確率と実行時間にどのように影響するか？
• RQ5 限られた計算資源のもとで、近似的なオンラインMDP解法は、リアルタイムのロボット制御においてどれほど有効に機能するか？

主な発見

• 提案手法は、タスクの精度要件に応じて動きの速度を適応的に調整でき、高精度実行モードと高速実行モードの両方を実現した。
• 可変速度初期化を用いた軌道最適化の統合により、MDPにおける行動評価の計算時間が顕著に短縮された。
• 多様な速度プロファイルから生成された高品質な行動に焦点を当てることで、MDP評価の効率が向上した。
• タスク要件に応じて制御方策を動的に調整することで、不確実性下でも優れた性能を維持した。
• 効率的なオンラインMDP近似により、リアルタイム動作が実現され、実用的なロボットの押しつぶしアプリケーションに適した。
• 特に混合精度要件を有する操作タスクにおいて、固定速度MPCと比較して、より優れた適応性を示した。