Physics-Based Causal Reasoning for Safe & Robust Next-Best Action Selection in Robot Manipulation Tasks

要約

安全で効率的なオブジェクト操作は、現実世界の多くのロボット アプリケーションを実現するための重要な要素です。
ただし、ロボットの動作はセンサーやアクチュエーターのさまざまな不確実性に対して堅牢である必要があるため、これは困難です。
この論文では、ロボットが部分的に観察可能な設定でブロックスタッキングタスクの候補アクションについて確率論的に推論するための、物理学に基づいた因果推論ベースのフレームワークを紹介します。
剛体システムダイナミクスの物理ベースのシミュレーションを因果ベイジアンネットワーク (CBN) 定式化と統合して、ロボットの意思決定プロセスの因果生成確率モデルを定義します。
シミュレーションベースのモンテカルロ実験を使用して、次のことに成功するフレームワークの能力を実証します。(1) ブロックタワーの安定性を高精度で予測します (予測精度: 88.6%)。
(2) ブロックスタッキングタスクの次善の近似アクションを選択し、統合ロボットシステムによって実行され、94.2% のタスク成功率を達成します。
また、知覚および操作サブシステムを統合した家庭用支援ロボットによるタスク実行の成功を実証することにより、フレームワークが現実世界のロボット システムに適していることを実証します。
したがって、物理学に基づいた因果推論をロボットの意思決定プロセスに組み込むことで、ロボットのタスク実行をより安全で信頼性が高く、さまざまなタイプの不確実性に対してより堅牢にできることを示します。

要約(オリジナル)

Safe and efficient object manipulation is a key enabler of many real-world robot applications. However, this is challenging because robot operation must be robust to a range of sensor and actuator uncertainties. In this paper, we present a physics-informed causal-inference-based framework for a robot to probabilistically reason about candidate actions in a block stacking task in a partially observable setting. We integrate a physics-based simulation of the rigid-body system dynamics with a causal Bayesian network (CBN) formulation to define a causal generative probabilistic model of the robot decision-making process. Using simulation-based Monte Carlo experiments, we demonstrate our framework’s ability to successfully: (1) predict block tower stability with high accuracy (Pred Acc: 88.6%); and, (2) select an approximate next-best action for the block stacking task, for execution by an integrated robot system, achieving 94.2% task success rate. We also demonstrate our framework’s suitability for real-world robot systems by demonstrating successful task executions with a domestic support robot, with perception and manipulation sub-system integration. Hence, we show that by embedding physics-based causal reasoning into robots’ decision-making processes, we can make robot task execution safer, more reliable, and more robust to various types of uncertainty.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google