[論文レビュー] Uncertainty-Aware Constraint Learning for Adaptive Safe Motion Planning from Demonstrations

Glen Chou, Necmiye Özay+1 more|arXiv (Cornell University)|Nov 9, 2020

Robotic Path Planning Algorithms参考文献 41被引用数 8

ひとこと要約

本稿では、ロバスト最適化とベイズ推論を用いて、示範から可能な制約の信念を構築する不確実性を考慮した制約学習フレームワークを提案する。これにより、安全で効率的な適応型確率的制約付き運動計画が可能となり、7-DOFアームおよび12Dクアッドローターにおいて、高次元（最大30D）の制約不確実性下でも確率的安全保証を達成する。

ABSTRACT

We present a method for learning to satisfy uncertain constraints from demonstrations. Our method uses robust optimization to obtain a belief over the potentially infinite set of possible constraints consistent with the demonstrations, and then uses this belief to plan trajectories that trade off performance with satisfying the possible constraints. We use these trajectories in a closed-loop policy that executes and replans using belief updates, which incorporate data gathered during execution. We derive guarantees on the accuracy of our constraint belief and probabilistic guarantees on plan safety. We present results on a 7-DOF arm and 12D quadrotor, showing our method can learn to satisfy high-dimensional (up to 30D) uncertain constraints, and outperforms baselines in safety and efficiency.

研究の動機と目的

• 制約学習における同定不能問題に対処すること。すなわち、同じ示範を説明する無限個の制約が存在しうるという問題。
• 示範から完全に同定できない高次元の不確実な制約下でも、安全かつ効率的な運動計画を可能にすること。
• 実行中に得られるリアルタイムの制約観測を統合する閉ループ方策を構築すること。
• 制約信念の精度と計画された軌道の確率的安全性に関する理論的保証を提供すること。
• 7-DOFアームや12Dクアッドローターといった複雑なロボットシステムにおいて、従来手法を上回る安全性と効率性を達成すること。

提案手法

• 局所最適な示範と整合するすべての制約を抽出するためにロバスト最適化を用い、無限個の可能な制約の集合に対する信念を形成する。
• 実行中に得たデータを用いてベイズ推論を適用し、LiDARスキャンや接触測定などの新たな観測を統合することで、制約信念を更新する。
• 確率的制約付き最適化を用いて、所定の確率で制約信念を満たすオープンループ軌道を生成する。
• 明示的に「ブレーキ軌道」を最適化することでコンティンジェンシー計画を統合し、おそらく危険な状態から2ステップ以内に安全に停止できるようにする。
• 各実行ステップ後に更新された信念を用いて再計画を行う閉ループ方策を実装し、新たな制約情報に適応的に反応できるようにする。
• 複雑な制約サポートをモデル化するために混合整数計画法を用い、スイープ体積の事前計算、ラージ・コリジョンチェック、ウォームスタートなどの最適化技術により計算効率を向上させる。

実験結果

リサーチクエスチョン

• RQ1 局所最適な示範と整合するすべての可能な制約の信念をどのように抽出できるか？
• RQ2 不確実な制約信念下で、所定の確率で安全であると保証されるオープンループ軌道をどのように生成できるか？
• RQ3 リアルタイム観測を統合することで、不確実な制約を適応的に満たす閉ループ方策をどのように設計できるか？
• RQ4 制約信念の精度と計画された軌道の安全性に関する理論的保証は、どのように提供できるか？
• RQ5 高次元の制約不確実性下で、保証的安全な手法および楽観的ベースラインと比較して、本手法の安全性と効率性はどのように向上するか？

主な発見

• 本手法は、データから完全に同定できない制約であっても、高次元の制約（最大30D）を示範から学習することに成功した。
• 7-DOFアームおよび12Dクアッドローターにおいて、本手法は保証的安全な手法および楽観的ベースラインの両方を、軌道コストと安全性の面で上回った。
• 信念更新を組み込んだ閉ループ方策により、過度に保守的な計画に依存するのを減らし、確率的安全保証を維持したままより効率的な実行を可能にした。
• LiDARスキャンからの信念更新には1.4秒が要したが、300個の離散化点を含む接触測定では、最適化に二値整数変数が含まれるため最大30分を要した。
• スイープ体積の事前計算、ラージ・コリジョンチェック、混合整数計画法のウォームスタートにより計算時間を短縮可能であり、7-DOFアームではBTP計画時間は約15秒にまで短縮された。
• 理論的分析により、制約抽出の完全性が確認され、さまざまな制約パrameterization下でプランナの確率的安全保証が得られた。