Open Source Robotics

高品質なオープンソースロボティクスプロジェクト、ツール、ソフトウェアの厳選コレクション。

Multi-Resolution POMDP Planning for Multi-Object Search in 3D

著者: Kaiyu Zheng, Yoonchang Sung, George Konidaris, Stefanie Tellex · IROS 2021

ライセンス

  • オープンアクセス
  • 論文: CC BY 4.0

以下の内容はすべて、論文のライセンス（CC BY 4.0）に従い論文全文に基づいています。図は著者のクレジットを付けて掲載しています。

要約

3D 複数物体探索を POMDP として定式化し、複数の八分木解像度で並列に計画してオンラインで解く。大規模なシミュレーション空間で階層なしのベースラインを上回り、Kinova MOVO 上で動作する。

重要な理由

POMDP による物体探索を 2D 地図から 3D 探索領域へと広げつつ、オンライン計画を 1 ステップあたり一定の時間内に収める。八分木の信念は完全に構築する必要がなく、遮蔽は乱雑に置かれた物の幾何モデルなしに UNKNOWN ボクセルラベルで扱われる。

課題

家庭用ロボットは、限られた錐台形のカメラ視野と遮蔽のもとで、棚の上、テーブルの下、戸棚の中にある複数の物体を見つけなければならない。POMDP に基づく物体探索は原理的だが、大規模な 3D 状態空間での厳密な信念は計算困難であり、大きな観測空間はプランナーの分岐数を大きくするため、従来研究は探索空間やロボットの移動能力を 2D に縮小していた。

提案手法

著者らは 3D-MOS を定義する。これは 6D のカメラ姿勢、MOVE・LOOK・FIND の行動、視錐台内のラベル付きボクセルからなる観測を持ち、物体ごとに分解されたオブジェクト指向 POMDP である。ボクセルごとの観測モデルと八分木の信念により、厳密な信念更新を O(|V| log |G|) で、任意の解像度でのサンプリングを O(log |G|) で行える。より粗い解像度の抽象 POMDP はそれぞれ POUCT で並列に解かれ、価値が最も高い行動が実行される（MR-POUCT）。

主な知見

  • 状態と観測を物体ごとに分解することで、信念空間は物体数に対して指数的ではなく線形に増加する。
  • 各ボクセルのラベルを個別にモデル化し、遮蔽されたボクセルや視野外のボクセルを情報なしとして扱うことで、計画用の観測空間が縮小し、信念更新が視野内のボクセルに限られる。
  • 各ノードが子ノードの値の和を保持する八分木に信念を格納すると、すべての解像度で厳密な信念が得られ、対数時間でサンプリングできる。
  • 複数の解像度で並列に計画し最良の行動を実行することで、単一の解像度では対応できない未知の物体サイズや距離に対処できる。
  • 粒子による信念（POMCP）は大きな観測空間で粒子枯渇に陥り、このドメインではランダムな振る舞いに劣化する。

主な結果

  • 12 の設定（探索空間の一辺 m ∈ {4, 8, 16, 32}、物体数 n ∈ {2, 4, 6}、各 40 試行）のシミュレーションで、割引累積報酬において MR-POUCT は m = 16 と m = 32 のすべてのテストケースで Exhaustive 探索を上回った。
  • Exhaustive 探索は小さな空間（m = 4 と 8）で優れており、そこでは 1 つの視野がグリッドの最大 17.2% と 8.8% を覆う。m = 32 では 1 つの視野が覆うのは最大 2.6% である。
  • すべての手法は 1 ステップあたり最大 3.0 s の計画時間と、m に応じて合計 120 s から 480 s を与えられた。POMCP は粒子枯渇のため性能が低かった。
  • (16, 2, 10) インスタンスにセンシングノイズを加えた条件で、MR-POUCT は試したすべての設定で一貫して最良であり、β < 1 の範囲では β はほとんど影響しなかった。本文は α の設定を 5 通りとしているが、6 つの値（10、100、500、10³、10⁴、10⁵）を挙げている。
  • Kinova MOVO 上で、ロボットはおよそ 10 m² × 2 m の 2 つの領域に異なる高さで置かれた 6 個の物体のうち 3 個を約 15 分で発見し、目標を見るために必要に応じて胴体を下げた。
  • 抽象観測モデルに k = 10 または k = 40 のモンテカルロサンプルを用いても探索性能は同程度であり、k = 10 が採用された。

制限事項

  • 物体が独立であると仮定すると計算は節約できるが、物体間の有用な依存関係を捨てる可能性がある。相関のある物体の探索は未解決のまま残されている（著者らの記述）。
  • 観測モデルは物体の幾何形状を推論せず、各物体は計画解像度で単一のボクセルに収まると仮定している（著者らの記述）。
  • 一様ランダムなロールアウト方策が用いられた。著者らは、より現実的な問題には、最適性を犠牲にしてヒューリスティックなロールアウトを用いることを提案している。
  • 実機では、トポロジカルマップのどの視点からもカバーされない物体は見逃された。著者らはより密な地図、またはサンプリングした MOVE の行き先を提案している。
  • 物体と障害物は静的、ロボットの状態は観測可能と仮定されており、小さな探索空間では単純な網羅的探索のほうが優れていた。

分野への影響

IROS 2021 最優秀 RoboCup 論文賞を受賞し、被引用数は 33 である。論文は体積観測と八分木の信念更新の動画を含むプロジェクトページにリンクしているが、コード公開については述べていない。

概要

家庭で稼働するロボットは、棚の上、テーブルの下、戸棚の中にある物体を見つけなければならない。このような環境では、限られた視野と複数物体の探索という複雑さに対処しつつ、3D スケールで効率的に探索することが極めて重要である。物体探索の原理的な手法は、探索戦略を計算する基盤の枠組みとして部分観測マルコフ決定過程（POMDP）をよく用いるが、探索空間を 2D に制限している。本論文では、錐台形の視野を持つ 3D 領域での複数物体探索のための POMDP 定式化を提示する。この POMDP を効率的に解くため、オンラインのモンテカルロ木探索に基づく多解像度計画アルゴリズムを提案する。この手法では、対象物体の不確実性を異なる解像度レベルで捉える新しい八分木ベースの信念表現を設計し、続いて状態空間と観測空間が劇的に小さい低解像度の抽象 POMDP を導出する。シミュレーションによる 3D ドメインでの評価により、同じ計算要件のもとで、解像度階層を持たない一連のベースラインと比べ、より大きなインスタンスにおいて本手法がより効率的かつ高い成功率で物体を発見することが示された。さらに移動ロボット上で本手法を実証し、ベースを移動させ胴体を駆動することで、2 つの 10m² × 2m の領域内で異なる高さに置かれた物体を発見する。

リンク

  • arXiv 2005.02878: https://arxiv.org/abs/2005.02878
  • DOI 10.1109/IROS51168.2021.9636737: https://doi.org/10.1109/IROS51168.2021.9636737
  • PDF: https://arxiv.org/pdf/2005.02878v4
  • プロジェクトページ: https://zkytony.github.io/3D-MOS/

このウェブサイトにはJavaScriptが必要です。オープンソースロボティクスプロジェクトを閲覧するにはJavaScriptを有効にしてください。