[论文解读] Efficient State Abstraction using Object-centered Predicates for Manipulation Planning

Alejandro Agostini, Dongheui Lee|arXiv (Cornell University)|Jul 16, 2020

Robot Manipulation and Learning参考文献 17被引用 4

一句话总结

本文提出一种基于对象中心谓词的对象中心状态抽象方法，以在机器人操作规划中实现更灵活、可泛化的策略。通过使用高斯混合模型（GMM）学习信号-符号映射，该方法在准确率（95%）和推理速度上均优于核密度估计（KDE），实现了高效且几何一致的规划，无需手工设计谓词或外部参考系。

ABSTRACT

The definition of symbolic descriptions that consistently represent relevant geometrical aspects in manipulation tasks is a challenging problem that has received little attention in the robotic community. This definition is usually done from an observer perspective of a finite set of object relations and orientations that only satisfy geometrical constraints to execute experiments in laboratory conditions. This restricts the possible changes with manipulation actions in the object configuration space to those compatible with that particular external reference definitions, which greatly limits the spectrum of possible manipulations. To tackle these limitations we propose an object-centered representation that permits characterizing a much wider set of possible changes in configuration spaces than the traditional observer perspective counterpart. Based on this representation, we define universal planning operators for picking and placing actions that permits generating plans with geometric and force consistency in manipulation tasks. This object-centered description is directly obtained from the poses and bounding boxes of objects using a novel learning mechanisms that permits generating signal-symbols relations without the need of handcrafting these relations for each particular scenario.

研究动机与目标

• 为解决观察者中心状态表示在操作规划中的局限性，即限制了可能的对象构型变化集合。
• 开发一种可泛化的、基于对象中心的表示方法，以捕捉更广泛的几何关系，而无需依赖任意或手工设计的谓词。
• 通过从对象位姿和边界框中学习信号-符号映射，实现实时、高效的机器人认知架构中的状态抽象。
• 通过识别抓取和放置动作中具有物理意义的表面，提升规划中的几何与受力一致性。
• 用更自适应、可扩展的基于GMM的学习机制替代内存密集型、计算量大的基于KDE的映射方法，实现谓词接地。

提出的方法

• 该方法基于从对象位姿和边界框中推导出的对象中心几何关系，定义符号谓词（如“在……之上”、“在……之下”）。
• 采用高斯混合模型（GMM）学习传感器信号（对象几何）与符号谓词之间的映射，支持在线、实时推理。
• 基于GMM的机制能够自适应地建模高维、稀疏分布的配置空间，在偏差与方差之间平衡得比KDE更优。
• 利用神经科学关于人类操作的见解，识别出具有物理意义的表面（如接触面或支撑面），以确保受力一致性。
• 通过直接从数据中使用GMM学习通用的规划算子，避免手工设计谓词，降低对场景特定定义的依赖。
• 系统在150个模拟操作场景中进行评估，性能指标包括准确率、误分类率和计算时间。

实验结果

研究问题

• RQ1 与观察者中心方法相比，基于对象中心的表示是否能显著扩展可表征的配置空间变化集合？
• RQ2 基于数据驱动的GMM方法在符号接地方面是否能在准确率和推理速度上优于传统的KDE方法？
• RQ3 在无手工规则的前提下，基于学习的信号-符号映射的基于对象中心的谓词在多大程度上能实现操作规划中的几何与受力一致性？
• RQ4 该GMM方法在实时规划场景中对多样化对象构型的泛化能力如何？
• RQ5 所提出的方法是否能显著减少对场景特定谓词工程的依赖，同时保持高可靠性？

主要发现

• 基于GMM的方法在谓词估计中实现了95%的平均准确率，显著优于KDE基线的80%准确率。
• 与KDE相比，GMM方法在配置空间低密度区域的误分类率降低了最多50%。
• GMM方法在初始学习后计算时间迅速稳定，而KDE因需存储样本，计算时间随每个新场景线性增加。
• 对于谓词“在……之上”，GMM的性能指数为0.67，而KDE仅为0.39，表明分类可靠性更优。
• 对于谓词“在……之下”，GMM的性能指数达0.95，远超KDE的0.60，表明在复杂构型下具有强大泛化能力。
• GMM方法对“在……之下”类别的测试实例正确分类率达95%，对“在……之上”为67%；而KDE分别仅正确分类72%和39%，且有显著更多的未分类样本。