Probabilistic Inference in Planning for Partially Observable Long Horizon Problems

著者: Alphonsus Adu-Bredu, Nikhil Devraj, Pin-Han Lin, Zhen Zeng, Odest Chadwicke Jenkins · 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

SHY-COBRA は、ノイズを含む信念で初期化した制約グラフ上の確率伝搬によって、記号的計画の把持、姿勢、軌道を具体化し、その後に実行、観測、再計画を行う。

重要な理由

実際のロボットは、物体の位置と自身の関節状態の両方にノイズを抱えており、そのどちらか一方しか扱わないプランナーは把持に失敗する。あらゆる連続パラメータをサンプルベースの信念として表現することで、どのような不確実性モデルも計画に取り込める。これは、モバイルマニピュレータが複数ステップの家事タスクを行うのに必要なことである。

課題

料理のような長期的なサービスタスクには統合的なタスク・アンド・モーション・プランニング（TAMP）が必要だが、TAMP の手法の多くは状態が完全に既知で行動が決定的であると仮定している。部分観測性を扱う手法は通常、ハイブリッド制約問題をサンプリングや最適化で解き、信念を最も確からしい値に縮約する。最も近い先行手法である SS-Replan は、物体姿勢の不確実性しかモデル化していない。

提案手法

記号的プランナー（Fast Downward）が計画スケルトンを生成する。その自由パラメータ（ロボットの構成、物体の姿勢、把持、アームの軌道）はファクターグラフの変数ノードとなり、因子は運動学的な実行可能性、衝突のない動作、安定した把持、安定した配置といった制約である。変数はロボットのノイズを含む信念から得たサンプルで初期化され、max-product Pull Message Passing Nonparametric Belief Propagation（PMPNBP）により、すべてを同時に満たす割り当てが推論される。ロボットは各行動を実行し、観測から信念を更新し、効果が期待どおりでなければグラフを再構築して再計画する。

主な知見

• 計画スケルトンの具体化は、制約を因子、行動パラメータを変数とするファクターグラフ上の推論として定式化できる。
• ノンパラメトリック確率伝搬は、サンプルベースの信念を最尤推定値に縮約せずに丸ごと保持するため、任意の不確実性分布を用いることができる。
• 物体姿勢のノイズに加えて関節構成のノイズもモデル化することで、姿勢ノイズだけをモデル化するプランナーに比べて、ピッキングと配置の失敗が減る。
• この手法の計画コストは推定ノイズの大きさとともに増加する。

主な結果

• Retrieve タスク：SHY-COBRA は計画時間 9.37 ± 5.25 s、エラー 1.33 ± 1.52 回で、SS-Replan* は 16.61 ± 5.68 s、エラー 8.67 ± 4.93 回。
• Wash タスク：15.72 ± 6.91 s、エラー 2.67 ± 3.06 回に対し、21.32 ± 8.53 s、エラー 7.00 ± 3.60 回。
• Cook タスク：25.15 ± 5.16 s、エラー 3.50 ± 2.12 回に対し、29.28 ± 13.61 s、エラー 6.33 ± 0.58 回。
• Serve-meal タスク：37.24 ± 10.04 s、エラー 7.00 ± 2.83 回に対し、52.75 ± 16.82 s、エラー 15.5 ± 0.71 回。
• 結果はタスクごとに 12 個のランダム生成問題によるもので、物体姿勢のノイズは標準偏差 10 cm、関節構成のノイズは標準偏差 0.25 rad、それぞれ 100 サンプル、計画サイクルあたり PMPNBP を 10 回反復した。

制限事項

• 著者らは、手法の時間計算量が推定値のノイズの大きさとともに増加すると述べている（図 6）。
• 実験はすべて PyBullet シミュレーション上で、シミュレートした Digit ロボットを用いて行われており、実機ロボットでの試験はない。
• 実験では姿勢と関節の推定値に平均 0 のガウスノイズを仮定しているが、手法自体は分布の種類に依存しないとされている。
• 計画スケルトンは別の記号的プランナーから得ており、ベースラインは著者らが SS-Replan を適応させた SS-Replan* だけである。

分野への影響

IROS 2021 モバイルマニピュレーション最優秀論文賞の受賞論文で、被引用数は 12 である。コードやデータの公開については記載がない。

概要

自律サービスロボットが実世界で長期的なタスクを首尾よく遂行するには、部分観測環境で知的に行動しなければならない。タスク・アンド・モーション・プランニング（TAMP）の手法の多くは状態空間が完全に観測可能であると仮定しており、そのため実世界の不確実性を反映した確率的で部分観測の領域では有効でない。我々は、部分観測領域で長期的なタスクを遂行するための、オンラインの計画・実行手法を提案する。ロボットの信念と記号的行動からなる計画スケルトンが与えられると、我々の手法は計画を首尾よく実行するのに必要な連続的な行動パラメータを推論することで、各記号的行動を具体化する。これを実現するため、行動パラメータの同時推論の問題をハイブリッド制約充足問題（Hybrid Constraint Satisfaction Problem, H-CSP）として定式化し、確率伝搬（Belief Propagation）を用いて H-CSP を解く。ロボットは得られたパラメータ付き行動を実行し、世界に対する信念を更新し、必要に応じて再計画する。我々の手法は、現実的なキッチンのシミュレーション環境において部分観測タスクを効率的に解くことができる。我々の手法は、すべての実験において最先端手法を適応させたものを上回った。

リンク

• arXiv 2110.09153: https://arxiv.org/abs/2110.09153
• DOI 10.1109/IROS51168.2021.9636685: https://doi.org/10.1109/IROS51168.2021.9636685
• PDF: https://arxiv.org/pdf/2110.09153v1