MultiSCOPE: Disambiguating In-Hand Object Poses with Proprioception and Tactile Feedback

저자: Andrea Sipos, Nima Fazeli · RSS 2023

라이선스

오픈 액세스
논문: CC BY 4.0

아래 내용은 모두 논문의 라이선스(CC BY 4.0)에 따라 논문 전문을 바탕으로 하며, 그림에는 저자를 표기했습니다.

요약

두 팔이 쥔 물체를 여러 번 맞부딪치고, 접촉, 힘, 동작 간 일관성으로 점수를 매기는 입자 필터가 두 손 안 자세를 약 0.5 cm까지 복원한다.

중요한 이유

이 방법은 카메라도 고해상도 촉각 피부도 필요 없고, Franka Emika Panda 같은 협동 로봇이 이미 제공하는 관절 센싱과 렌치 추정, 또는 기성 손목 힘-토크 센서만 있으면 된다. 따라서 가려진 환경에서도 흔한 하드웨어로 손 안 자세 보정을 할 수 있다.

문제

파지된 물체의 자세 오차는 공구 사용과 조립에서 미끄러짐, 예기치 않은 접촉, 걸림을 일으킨다. 비전 기반 추정기는 정밀 조립과 좁은 공간에서 흔한 가림 상황에서 실패하며, 고해상도 촉각 센서는 비싸고 쉽게 피로해지며 모델링하기 어렵다. 단일 접촉(저자들의 이전 SCOPE 방법처럼)으로는 자세가 모호하게 남는 경우가 많다.

제안 방법

MultiSCOPE는 접촉 입자 필터(CPFGrasp)와 물체 자세 입자 필터를 짝지은 SCOPE를 하나의 접촉에서, 두 팔이 쥔 두 물체 사이의 일련의 찌르기로 확장하며, 고유수용감각과 6축 손목 렌치만 사용한다. 모든 면에 접촉 입자가 할당되도록 공구 분할 단계(표면 법선에 대한 K-Means 후 DBSCAN)를 추가하고, 접촉이 측정된 손목 렌치를 설명하는 자세를 선호하는 렌치 손실, 그리고 이전 동작들로 만든 접촉 클라우드에 대해 자세를 평가하는 메모리 손실을 더하며, 이전 동작이 일관되지 않은 것으로 드러나면 '메모리 드롭아웃'을 적용한다.

핵심 통찰

여러 접촉 동작을 결합하면 단일 동작이 남기는 모호성이 제거된다: 한 번의 찌르기는 한 방향을, 두 번째 찌르기는 다른 방향을 구속할 수 있다
표면 전체에 균일하게 샘플링하는 대신 분할된 면마다 접촉 입자를 샘플링하면, 작지만 기능적으로 중요한 면을 놓치지 않으며 필요한 입자 수도 줄어든다
추정된 접촉이 측정된 손목 렌치를 재현하도록 요구하는 것(렌치 손실)이 절제 실험에서 가장 강력한 단일 손실이었다
로봇 간 보정 오차가 중요하다: 보정 없이 저자들은 두 팔 사이에서 1–1.5 cm RMS 오차를 관찰했고, ICP 기반 루틴으로 3–7 mm까지 줄였다

주요 결과

시뮬레이션, 렌치 공구, 동작 5회의 10회 시행: 공구 자세 오차 0.47 ± 0.27 cm 및 −0.76 ± 2.01°, 탐침 자세 오차 0.49 ± 0.28 cm 및 −2.67 ± 4.76°; 공차가 빡빡한 렌치-나사 작업 10회 중 8회 성공
전체 방법의 손실 절제 실행(Table I, 5회 시행)은 공구 오차 0.48 ± 0.16 cm와 작업 성공률 100%를 보고하고, 10회 시행 실행(본문과 Table II)은 0.47 ± 0.27 cm와 80%를 보고한다; 이들은 서로 다른 시행 집합이다
단일 동작만으로는 공구 병진 오차가 평균 1.08 cm, 작업 성공률 40%였으며, 전체 다중 동작 방법은 0.47 cm와 80%였다(Table II)
신호 크기의 5%에 해당하는 힘-토크 잡음에서: 공구 오차 0.52 ± 0.31 cm, 작업 5회 중 4회 완료; 잡음 8%에서는 성공한 작업이 없었다(공구 오차 1.13 ± 0.33 cm)
시뮬레이션에서 육각 렌치, 폴(pawl), 기어 공구의 공구 병진 오차는 0.31, 0.33, 0.49 cm였다(각 10회 시행)
실제 하드웨어, 렌치 공구, 동작 4회: 작업 시행 5회 중 5회 성공(원기둥 목표물을 사용해 한쪽당 공차 3.5 mm)

한계

저자들은 동작 선택을 향후 과제로 꼽는다: 찌르기는 수작업으로 골랐으며, 동작 수를 줄이려면 더 원칙적인 선택이 필요하다
이 방법은 알려진 기하 모델을 가진 강체, 모멘트를 전달하지 않는 점 접촉, 찌르는 동안 상대 미끄러짐이 없음을 가정한다
고유수용감각 잡음은 모델링하지 않는다; 저자들은 실제 두 팔을 서로에 대해 보정하기 어렵다는 것을 발견했다(보정 후 3–7 mm RMS)
힘-토크 잡음에 따라 정확도가 떨어진다: 잡음 8%에서는 작업 기반 시연이 하나도 성공하지 못했다
평행 집게 그리퍼가 자세를 구속하므로 자세는 SE(2)에서 추정되며, 실제 환경 시험은 공구 하나와 나사 머리 대신 원기둥을 사용했다

분야에 미친 영향

RSS 2023 Best Student Paper Award 최종 후보이며, 인용 수는 14회이다. 논문은 코드와 영상을 위해 www.mmintlab.com/multiscope/ 를 안내하며, 그 페이지에 코드 저장소 링크가 있다.

초록

본 논문에서는 양팔 로봇 시스템의 고유수용감각과 촉각 피드백을 사용하여 손 안 물체 자세를 추정하는 방법을 제안한다. 우리의 방법은 파지된 물체들 사이의 일련의 마찰 접촉 상호작용을 통해 자세 불확실성을 줄이는 문제를 다룬다. 방법의 일부로서 우리는 1) 접촉 위치 및 물체 자세 추정을 용이하게 하는 공구 분할 루틴, 2) 상호작용 간 해의 일관성을 추론할 수 있게 하는 손실, 3) 각 팔이 받는 외부 힘-토크를 설명하는 물체 자세와 접촉 위치로 수렴하도록 촉진하는 손실을 제안한다. 우리는 시뮬레이션과 실제 양팔 플랫폼 모두에서 작업 기반 시연으로 방법의 효과를 보이며, 단일 상호작용 대비 물체 자세 추정이 크게 향상됨을 보인다. 코드와 영상은 www.mmintlab.com/multiscope/ 에서 볼 수 있다.

링크

arXiv 2305.14204: https://arxiv.org/abs/2305.14204
DOI 10.48550/arXiv.2305.14204: https://doi.org/10.48550/arXiv.2305.14204
PDF: https://arxiv.org/pdf/2305.14204v1
코드: https://github.com/MMintLab/multiscope
프로젝트 페이지: https://www.mmintlab.com/multiscope/