[논문 리뷰] Randomized Physics-based Motion Planning for Grasping in Cluttered and Uncertain Environments

Muhayyuddin Gillani, Mark Moll외 2명|arXiv (Cornell University)|2017. 11. 27.

Robotic Path Planning Algorithms참고 문헌 27인용 수 27

한 줄 요약

이 논문은 불확실성 인식 제어 샘플링, 믿음 기반 트리 탐색, 동적 불확실성 전파를 통해 KPIECE 알고리즘을 개선한 랜덤화된 물리 기반 운동 계획자인 p-KPIECE를 제안한다. 이는 혼잡하고 불확실한 환경에서 견고한 팔고리 작동을 가능하게 한다. 다체적 상호작용을 시뮬레이션하기 위해 물리 엔진(ODE)을 활용함으로써, p-KPIECE는 작업 및 운동 계획법과 철학적 물리 기반 방법에 비해 더 높은 성공률, 더 빠른 계획 속도, 더 나은 경로 품질을 달성한다. 특히 자세 불확실성과 접촉 불확실성 하에서 성능이 뛰어나다.

ABSTRACT

Planning motions to grasp an object in cluttered and uncertain environments is a challenging task, particularly when a collision-free trajectory does not exist and objects obstructing the way are required to be carefully grasped and moved out. This paper takes a different approach and proposes to address this problem by using a randomized physics-based motion planner that permits robot-object and object-object interactions. The main idea is to avoid an explicit high-level reasoning of the task by providing the motion planner with a physics engine to evaluate possible complex multi-body dynamical interactions. The approach is able to solve the problem in complex scenarios, also considering uncertainty in the objects pose and in the contact dynamics. The work enhances the state validity checker, the control sampler and the tree exploration strategy of a kinodynamic motion planner called KPIECE. The enhanced algorithm, called p-KPIECE, has been validated in simulation and with real experiments. The results have been compared with an ontological physics-based motion planner and with task and motion planning approaches, resulting in a significant improvement in terms of planning time, success rate and quality of the solution path.

연구 동기 및 목표

• 장애물에 의한 충돌 방지 경로가 존재하지 않는 혼잡하고 불확실한 환경에서의 팔고리 작동 문제를 해결하기 위해.
• 다체적 상호작용을 직접적으로 고려한 물리 기반 시뮬레이션 기반 운동 계획을 통해 고수준의 작업 및 운동 계획에 대한 의존도를 줄이기 위해.
• 물체 자세 불확실성과 불확실한 접촉 동역학이 존재하는 환경에서 내구성과 효율성을 향상시키기 위해.
• 불확실성 평가를 계획 데이터 구조에 통합한 샘플링 기반 운동 계획자를 개발하여 더 안전하고 신뢰할 수 있는 경로를 확보하기 위해.
• 최첨단 작업 및 운동 계획법과 물리 기반 계획자와의 비교를 통해 제안된 방법의 유효성을 시뮬레이션 및 실제 실험에서 검증하기 위해.

제안 방법

• 물체 자세 불확실성 하에서 샘플된 제어의 믿음과 내구성을 평가하는 확률적 제어 샘플러를 도입한다.
• 믿음 기반 내구성 수준이 높은 상태로의 확장을 유도함으로써 KPIECE 트리 탐색 전략을 향상시켜 안전한 해에의 수렴을 개선한다.
• ODE 물리 엔진을 사용해 물체-로봇 및 물체-물체 상호작용을 통해 자세 불확실성을 전파하는 불확실성 처리 전략을 통합한다.
• 불확실성 하에서 운동 세그먼트의 안전성과 내구성을 평가하는 믿음 기반 유효성 검사기로 KPIECE 프레임워크를 확장한다.
• 운동 계획 중 복잡한 동적 상호작용을 시뮬레이션하기 위해 Open Dynamic Engine(ODE)을 상태 전파기로 사용한다.
• 운동 세그먼트의 내구성 계산에 기반한 믿음 기반 탐색 메커니즘을 도입하여 탐색 우선순위를 안전하고 내구성 있는 상태공간 영역으로 유도한다.

실험 결과

연구 질문

• RQ1 불확실성 인식 샘플링과 믿음 전파를 갖춘 물리 기반 운동 계획자가 혼잡하고 불확실한 환경에서 전통적인 작업 및 운동 계획법보다 뛰어난 성능을 보일 수 있는가?
• RQ2 내구성 평가를 계획 데이터 구조에 통합할 경우 성공률과 계획 효율성에 어떤 영향을 미치는가?
• RQ3 명시적인 작업 수준의 추론 없이도 단일 운동 쿼리가 여러 장애물 물체를 이동시킬 수 있는 정도는 어느 정도인가?
• RQ4 물체 자세와 접촉 동역학의 불확실성이 운동 계획의 품질과 신뢰성에 어떤 영향을 미치는가?
• RQ5 믿음 기반 탐색에서 내구성 신뢰도(k)와 계산 효율성 사이의 상충 관계는 어떠한가?

주요 결과

• p-KPIECE는 혼잡한 환경에서 10개 및 15개의 물체가 있을 경우 목표 물체를 100% 성공률로 팔고리로 잡는 데 성공했으며, 이는 작업 및 운동 계획법(TP)과 그 불확실성 변형(TPU)보다 뛰어나다.
• 40개의 물체가 있을 경우 p-KPIECE는 63%의 성공률을 유지했으며, TP(63%)와 TPU(63%)보다 뚜렷하게 뛰어나고, 평균 계획 시간을 TP의 229초에서 p-KPIECE의 71.64초로 감소시켰다.
• 25개의 물체가 있는 시나리오에서 p-KPIECE는 최고 성능을 보인 작업 및 운동 계획 기반 베이스라인(TP) 대비 평균 계획 시간을 최대 65%까지 단축시켰다.
• p-KPIECE는 의도치 않은 물체 이동과 낙하를 피함으로써 더 나은 경로 품질을 보였으며, o-KPIECE는 모델링되지 않은 동적 효과로 인해 혼잡한 시나리오의 70%에서 실패했다.
• 믿음 기반 탐색 통합으로 상태공간의 더 안전하고 내구성 있는 영역으로 탐색을 유도함으로써 성공률가 향상되었다.
• 점점 증가하는 혼잡도 수준에서도 안정적인 성능을 보였으며, 30개의 물체에서 90%의 성공률, 35개의 물체에서 67%의 성공률를 기록했고, 계획 시간은 타당한 수준을 유지했다.