Robowflex: Robot Motion Planning with MoveIt Made Easy

Autores: Zachary Kingston, Lydia E. Kavraki · IROS 2022

Licenças

Acesso aberto
Artigo: CC BY 4.0

Tudo o que segue se baseia no artigo completo sob a licença CC BY 4.0; sua figura é mostrada com crédito aos autores.

Em resumo

O Robowflex carrega os robôs, cenas e planejadores do MoveIt diretamente dentro de um programa C++, em vez de por meio de mensagens ROS, tornando roteirizáveis o desenvolvimento de planejadores, os benchmarks e o planejamento de tarefas e movimentos.

Por que importa

Como o MoveIt já oferece suporte a muitos robôs, uma equipe pode roteirizar experimentos de planejamento para um robô existente em um programa curto e ainda se conectar a um sistema ROS quando necessário. O acesso direto aos componentes internos do planejador permite que pesquisadores troquem amostradores ou planejadores do OMPL sem recompilar o MoveIt e executem muitas consultas de planejamento com cenas diferentes para o planejamento de tarefas e movimentos. A NASA o usou para avaliar preensões em corrimãos e o planejamento de movimento do Robonaut 2 na Estação Espacial Internacional.

Problema

A maioria dos usuários do MoveIt planeja por meio do programa MoveGroup, configurado por arquivos launch e parâmetros ROS e consultado por mensagens ROS. Isso funciona para o planejamento básico, mas dificulta perfilar planejadores, alterar seus componentes, extrair informações internas ou executar muitas consultas de planejamento dentro de um algoritmo maior. Alterar o comportamento do MoveIt significa escrever classes de plugin, o que é difícil para quem não conhece seus componentes internos.

Solução proposta

O Robowflex é uma biblioteca C++ que encapsula a biblioteca central do MoveIt, carregando robôs (URDF, SRDF, limites das juntas, cinemática) sem arquivos launch e expondo cenas, requisições de movimento e planejadores como objetos em um único programa. Ele acrescenta utilitários de entrada e saída para YAML, XACRO, bags ROS e parâmetros ROS, uma ferramenta de benchmarking com saída compatível com o OMPL e módulos para os componentes internos do OMPL, DART, o TrajOpt do Tesseract, um MoveGroup em execução e renderização com o Blender. Adaptadores mantêm o código compilando do ROS Indigo ao ROS Noetic.

Principais ideias

Encapsular o MoveIt como biblioteca, em vez de se comunicar com o MoveGroup por mensagens ROS, dá acesso completo às estruturas de dados internas e mantém opcional a integração com o ROS
Muitos robôs, cenas e planejadores podem ser carregados em um único programa, algo de que o planejamento de tarefas e movimentos precisa para testar muitos planos de movimento em cenas diferentes
A saída dos benchmarks no formato de log do OMPL se conecta a ferramentas existentes como o Planner Arena, e cenas e requisições armazenadas como arquivos simples facilitam a construção de conjuntos de dados
O benchmarking próprio do MoveIt precisa do ROS Warehouse e não oferece suporte fácil a cenas com obstáculos variados, de que os planejadores baseados em aprendizado precisam
Módulos de integração permitem comparações entre bibliotecas, por exemplo o RRTConnect do MoveIt contra o TrajOpt do Tesseract na mesma cena, em um único script curto

Principais resultados

Demonstrou planejamento de movimento básico em um robô Fetch com um script de cerca de 40 linhas, sem mensagens ROS
Exemplo de benchmarking: 200 execuções do RRT* no robô Fetch, registrando o melhor custo de caminho ao longo do tempo como propriedade de progresso
Módulo DART usado para planejamento multirrobô com dois robôs Fetch em um espaço composto e como componente de planejamento de movimento de um framework de planejamento de tarefas e movimentos multirrobô
Usado pela NASA para avaliar solucionadores de cinemática inversa, configurações de preensão em corrimãos e a dificuldade de planejamento para o Robonaut 2 escalando ao longo de corrimãos
O benchmarking ou os módulos do Robowflex haviam sido usados em oito publicações ([12]–[19]) no momento da redação; o código compila do ROS Indigo ao ROS Noetic

Limitações

O artigo não tem uma seção declarada de limitações; os casos de uso são demonstrações, sem comparação medida de esforço ou tempo de execução em relação ao MoveGroup
Ele é construído sobre o MoveIt e o ROS, portanto cada robô ainda precisa de seus arquivos de configuração do MoveIt (URDF, SRDF, limites das juntas, cinemática)
Os autores observam que existem outras interfaces simplificadas do MoveIt (MoveIt CPP, moveit_boilerplate); sua comparação com o Robowflex é qualitativa
O caso de uso do Robonaut 2 é descrito como avaliação de planejamento visualizada no RViz; nenhum resultado de execução em hardware é relatado

Impacto na área

Finalista do IROS 2022 Best Paper Award for Industrial Robotics Research for Applications, com 31 citações. O Robowflex é disponibilizado como código aberto no GitHub, com documentação online.

Resumo

Robowflex é uma biblioteca de software para planejamento de movimento de robôs em aplicações industriais e de pesquisa, que aproveita a popular biblioteca MoveIt e o middleware Robot Operating System (ROS). O Robowflex tira proveito da facilidade do planejamento de movimento com o MoveIt, ao mesmo tempo em que oferece uma API ampliada para elaborar e manipular consultas de planejamento de movimento dentro de um único programa. A API de alto nível do Robowflex simplifica muitos casos de uso comuns, sem deixar de dar acesso à biblioteca MoveIt subjacente. O Robowflex é particularmente útil para 1) desenvolver novos planejadores de movimento, 2) avaliar planejadores de movimento e 3) problemas complexos que usam planejamento de movimento (p. ex., planejamento de tarefas e movimentos). O Robowflex também oferece recursos de visualização, integrações com outras bibliotecas de robótica (p. ex., DART e Tesseract) e é complementar a muitos outros pacotes de robótica. Com nossa biblioteca, o usuário não precisa ser especialista em ROS ou MoveIt para configurar consultas de planejamento de movimento, extrair informações dos resultados e interagir diretamente com diversos componentes de software. Apresentamos alguns casos de uso de exemplo que demonstram sua eficácia.

Open Source Robotics