[论文解读] RobotIO: A Python Library for Robot Manipulation Experiments

Lukás Hermann, Max Argus+3 more|arXiv (Cornell University)|Jul 27, 2022

Robot Manipulation and Learning被引用 12

一句话总结

RobotIO 是一个 Python 库，为机器人操作实验提供标准化、硬件抽象化的接口，支持在 Kuka iiwa、UR3 和 Franka Panda 等常见研究机器人上快速、可移植地部署算法。它支持 ROS 和 OpenAI Gym 集成，提供相机标定和实验记录工具，并通过模块化、结构清晰的代码简化真实世界机器人实验，具备可配置的跨平台兼容性。

ABSTRACT

Setting up robot environments to quickly test newly developed algorithms is still a difficult and time consuming process. This presents a significant hurdle to researchers interested in performing real-world robotic experiments. RobotIO is a python library designed to solve this problem. It focuses on providing common, simple, and well structured python interfaces for robots, grippers, and cameras, etc. These are provided with implementations of these interfaces for common hardware. This enables code using RobotIO to be portable across different robot setups. In terms of architecture, RobotIO is designed to be compatible with OpenAI gym environments, as well as ROS; examples of both of these are provided. The library comes together with a number of helpful tools, such as camera calibration scripts and episode recording functionality that further support algorithm development.

研究动机与目标

• 减少非机器人背景的研究人员在真实机器人平台上设置实验所需的时间和复杂度。
• 解决现有机器人软件栈中缺乏可移植、硬件抽象化的机器人控制、夹爪和相机接口的问题。
• 通过标准化、文档齐全的 Python 接口，实现不同机器人平台间代码的无缝共享与复用。
• 通过与 OpenAI Gym 等仿真环境集成，支持在真实环境中快速原型化算法。
• 提供可扩展、模块化的工具，如相机标定脚本和实验记录功能，以提升可重现性与开发效率。

提出的方法

• 设计一组与硬件无关的 Python 接口，用于机器人、夹爪和相机，抽象低层次的硬件特定实现。
• 为流行的科研机器人（Kuka iiwa、UR3、Franka Panda）和常见相机（Intel RealSense、Microsoft Kinect）实现具体的接口类。
• 通过适配器模式和标准化 API 设计，实现与 OpenAI Gym 环境和 ROS 的兼容性。
• 使用条件依赖管理可选的硬件模块，允许用户仅安装其设置所需的组件。
• 通过阻塞标志支持同步和异步控制，实验性地支持异步函数，并通过内部线程处理高延迟操作（如相机流传输）。
• 采用统一的坐标系、四元数（x,y,z,w）和度量单位（米）规范，确保代码互操作性与正确性。

实验结果

研究问题

• RQ1 一个统一的 Python 库是否能显著减少在真实机器人平台上部署新算法所需的时间？
• RQ2 硬件抽象接口在多机器人设置中如何提升代码的可移植性与可复用性？
• RQ3 像 RobotIO 这样的库在多大程度上能与 ROS 和 OpenAI Gym 等现有生态系统集成，以简化真实世界实验？
• RQ4 在多设备机器人软件中，哪些设计模式和规范最有效于确保一致性和正确性？
• RQ5 如何有效管理可选的模块化依赖，以支持多样化的硬件配置，同时避免核心库的臃肿？

主要发现

• RobotIO 使研究人员能够以极短的设置时间在真实机器人上部署和测试算法，显著降低了非机器人专家的入门门槛。
• 该库通过标准化接口成功支持多种常见研究机器人和相机，使代码可在不同硬件平台间复用。
• 对 OpenAI Gym 和 ROS 的原生支持，使研究人员能够无缝实现从仿真到真实世界部署的过渡。
• 条件依赖的使用实现了高效、模块化的安装，针对特定硬件进行定制，提升了可维护性并减少了冗余。
• 对坐标系、四元数和单位的一致性规范，确保了跨组件几何计算的可靠性与互操作性。
• 包含相机标定脚本和实验记录等工具，显著提升了实验的可重现性，并加速了算法开发。