[论文解读] AutOTranS: an Autonomous Open World Transportation System

Brayan S. Zapata-Impata, Vikrant Shah+2 more|arXiv (Cornell University)|Oct 8, 2018

Robotic Path Planning Algorithms参考文献 13被引用 4

一句话总结

AutOTranS 提出了一套用于在非结构化环境中自主移动操作的系统，实现对外部新颖物体的户外运输。该系统整合了导航、通过 GPD 进行抓取检测以及任务规划，仅通过用户定义的抓取和放置点，即实现了 85.7% 的整体任务成功率，完成对垃圾袋、垃圾、工具和水果的抓取、运输与放置。

ABSTRACT

Tasks in outdoor open world environments are now ripe for automation with mobile manipulators. The dynamic, unstructured and unknown environments associated with such tasks -- a prime example would be collecting roadside trash -- makes them particularly challenging. In this paper we present an approach to solving the problem of picking up, transporting, and dropping off novel objects outdoors. Our solution integrates a navigation system, a grasp detection and planning system, and a custom task planner. We perform experiments that demonstrate that the system can be used to transport a wide class of novel objects (trash bags, general garbage, gardening tools and fruits) in unstructured settings outdoors with a relatively high end-to-end success rate of 85%. See it at work at: https://youtu.be/93nWXhaGEWA

研究动机与目标

• 解决在动态、非结构化环境中自主运输新颖、非结构化户外物体的挑战。
• 使移动机器人能够在无需事先了解物体信息或对环境进行修改的情况下，完成端到端的抓取与放置任务。
• 开发一种仅需用户在地图上选择初始抓取和放置点即可运行的系统，实现最小的人工干预。
• 克服先前系统对已知物体、视觉标签或人工遥控操作的依赖。
• 在涉及垃圾、工具和有机材料的多样化户外场景中，展示系统的鲁棒性。

提出的方法

• 采用移动底盘（Warthog）、UR10 机械臂配 Robotiq 85 夹爪、Intel RealSense D415 摄像头以及 SICK LMS511 激光扫描仪，实现感知与移动功能。
• 采用自定义任务规划器，支持两种运输策略：'全部收集'与'逐个收集'，以管理物体运输顺序。
• 应用抓取路径检测器（GPD）进行抓取检测，无需事先获取物体模型，从而实现在新颖、未分割物体上的抓取规划。
• 使用 2D 激光扫描实现机器人定位与导航，通过固定摄像头或手眼相机系统进行点云配准。
• 集成多阶段流程：点云配准、抓取计算、抓取执行以及导航至目标点。
• 采用基于地图的导航系统，可在先前探索过的区域中，自主规划至用户定义的抓取和放置位置的路径。

实验结果

研究问题

• RQ1 移动操作机器人是否能无需事先环境建模，自主导航至用户定义的户外位置？
• RQ2 抓取检测系统是否能成功识别并执行对完全新颖、非结构化户外物体的抓取，而无需特定物体的训练？
• RQ3 在真实户外环境中，对多种物体类型（如垃圾袋、水果、工具）进行端到端运输的成功率是多少？
• RQ4 导航与抓取性能在不同物体类别和运输策略下的表现如何？
• RQ5 开放世界户外操作中的主要失败模式是什么，以及如何加以缓解？

主要发现

• 该系统在涉及垃圾袋、一般垃圾、园艺工具和水果的四个实验场景中，整体任务成功率达到 85.7%。
• 导航成功率高达 96.1%，尽管环境存在变化，机器人在大多数试验中仍能成功抵达目标点。
• 抓取成功率因物体类型而异：所有物体综合抓取成功率为 80.8%，其中地面水果的抓取成功率为 90.9%，从篮子中取出的水果为 76.9%。
• 在任务完成效率方面，'全部收集'策略优于'逐个收集'策略，尤其在处理水果和工具时表现更优。
• 主要失败模式为因细长手柄（如垃圾袋手柄）导致的抓取不牢，以及在抓取长形或易碎物品时发生物体滑落。
• 每项任务的平均执行时间为 118 秒（最短 44 秒，最长 239 秒），其中导航阶段耗时最长，抓取阶段平均 98.18 秒，放置阶段平均 137.86 秒。