把持制約壁における遮蔽把持のための外因性器用さの活用

環境との遮蔽により物体のprimary grasp configurationが得られないoccluded grasping問題を扱う研究。単純なparallel gripperでは把持が困難なため、wallなどの環境特徴とのextrinsic contactを利用したobject pose reorientation(pivoting等)が必要となる。しかし壁が大きい/高い場合はpivoting後も把持できず、複数種類のactionの組み合わせが求められる。そこでhierarchical reinforcement learning (RL) frameworkを提案し、high-level policyがaction種別を選択し、low-level skillが連続空間で具体的なrobot actionをサンプリングする構成を取る。

先行研究はobjectとwallなどの環境特徴とのextrinsic contactを利用したpivotingによるobject pose reorientationを探求してきたが、短い壁の存在を仮定しており、実世界では常に成り立つとは限らない。壁が大きい/高い場合、pivoting後も把持に失敗し得るため、異なる種類のactionを組み合わせる必要がある。本研究はこの仮定を緩め、hierarchical RLでaction種別選択とlow-level skill実行を組み合わせる点が先行研究と異なる。

hierarchical reinforcement learning (RL) frameworkを採用。Q-learningでhigh-level policyを訓練し、最も高いrewardが期待されるaction種別を選択する。選択されたlow-level skillが連続空間で特定のrobot actionをサンプリングする。選択したactionを実行すべき適切な位置へrobotを導くため、Conditional Variational Autoencoder (CVAE)を採用し、object point cloudとskill IDを条件として、物体geometryと選択skillに基づく適切な位置を推論する。low-level skillの訓練ではdomain randomizationを適用し汎化を促進する。

RL policyはbox-like objectを用いて完全にsimulationで訓練され、実世界の6つのobjectにdeployされた。実験により提案手法のgeneralizabilityとrobustなsim-to-real transfer performanceを評価し、有望なsuccess rateを示した。

先行研究が仮定する短い壁という前提が実世界で常に成立しない点を問題として指摘し、壁が大きい/高い場合にはpivoting後も把持に失敗し得るため複数actionの組み合わせが必要と論じている。sim-to-real transferやgeneralizabilityの評価結果は示されるが、失敗事例や限界に関する詳細な議論は要旨からは不明。

要旨で参照/比較されているpivotingによるobject pose reorientationを用いた先行研究(extrinsic contactを利用した把持研究)や、hierarchical RL、Q-learning、Conditional Variational Autoencoder (CVAE)、domain randomizationに関する関連研究を次に読むべき候補として挙げる。