[论文解读] Reducing the Barrier to Entry of Complex Robotic Software: a MoveIt! Case Study

David Coleman, Ioan A. Şucan+2 more|arXiv (Cornell University)|Apr 15, 2014

Robotic Path Planning Algorithms参考文献 22被引用 269

一句话总结

本文通过一个案例研究，探讨了如何利用ROS中的开源移动操作框架MoveIt!降低复杂机器人软件的入门门槛。通过引入图形化设置助手、基于标准化机器人模型的自动化配置生成，以及基于插件的架构，作者显著降低了设置复杂度，使用户能够以最少的努力实现基本运动规划。其主要贡献是一套可复用的设计原则，可提升机器人软件框架的可用性与采用率。

ABSTRACT

Developing robot agnostic software frameworks involves synthesizing the disparate fields of robotic theory and software engineering while simultaneously accounting for a large variability in hardware designs and control paradigms. As the capabilities of robotic software frameworks increase, the setup difficulty and learning curve for new users also increase. If the entry barriers for configuring and using the software on robots is too high, even the most powerful of frameworks are useless. A growing need exists in robotic software engineering to aid users in getting started with, and customizing, the software framework as necessary for particular robotic applications. In this paper a case study is presented for the best practices found for lowering the barrier of entry in the MoveIt! framework, an open-source tool for mobile manipulation in ROS, that allows users to 1) quickly get basic motion planning functionality with minimal initial setup, 2) automate its configuration and optimization, and 3) easily customize its components. A graphical interface that assists the user in configuring MoveIt! is the cornerstone of our approach, coupled with the use of an existing standardized robot model for input, automatically generated robot-specific configuration files, and a plugin-based architecture for extensibility. These best practices are summarized into a set of barrier to entry design principles applicable to other robotic software. The approaches for lowering the entry barrier are evaluated by usage statistics, a user survey, and compared against our design objectives for their effectiveness to users.

研究动机与目标

• 解决像MoveIt!这样的先进机器人软件框架日益增长的高设置复杂度和陡峭的学习曲线问题。
• 识别并实施可降低新用户在任意机器人上配置和使用机器人软件所需时间与专业知识的设计原则。
• 通过使用统计数据、用户调查以及与设计目标的一致性，评估这些策略的有效性。
• 通过使机器人软件对非专家用户更具可访问性，促进更广泛的采用和社区贡献。

提出的方法

• 开发图形化设置助手，引导用户完成机器人模型导入、运动学配置和插件选择，并提供实时反馈。
• 从标准化的URDF和SRDF模型自动生成功能特定的机器人配置文件，以最大限度减少手动设置。
• 采用基于插件的架构，实现与第三方运动规划库（如OMPL、SBPL和CHOMP）的无缝集成。
• 使用标准化机器人模型（URDF/SRDF）作为输入，以确保一致性并减少配置错误。
• 实现包装器包，以协调多样化的规划库，并保持对外部依赖项的兼容性。
• 通过使用统计数据、用户调查以及与预设的可用性和设置效率目标的对比，评估该方法。

实验结果

研究问题

• RQ1 如何降低缺乏机器人专业知识的新用户在配置复杂机器人软件时的入门门槛？
• RQ2 哪些设计原则和工具最有效地提升像MoveIt!这样的开源机器人框架的可用性与可配置性？
• RQ3 基于GUI的设置助手和自动化配置生成在多大程度上提升了用户采用率并减少了配置时间？
• RQ4 可扩展性与基于插件的集成如何支持在多样化机器人平台上的长期定制与复用？

主要发现

• MoveIt!设置助手通过使用户能够以最少的手动设置实现基本运动规划功能，显著缩短了初始配置时间。
• 从标准化的URDF/SRDF模型自动生成功能特定的配置文件，显著减少了配置错误和设置复杂度。
• 基于插件的架构实现了对多种运动规划库（OMPL、SBPL、CHOMP）的无缝集成，增强了可扩展性与用户选择空间。
• 使用统计数据和用户调查证实了更高的用户采用率和满意度，用户报告称上手更快且挫败感降低。
• GUI辅助、自动化与可扩展性的结合，促成了更大规模且更活跃的社区对框架的贡献。
• 作者得出结论：尽管初期开发工作量较大，但投资于以可用性为导向的工具（如设置助手）可为社区增长和软件可持续性带来长期收益。