多峰性不確実性下における頑健な器用把持のための変分ニューラルな信念パラメータ化

Abstract

接触のばらつき、センシングの不確実性、および外乱により、把持の実行は確率的になります。期待品質（expected-quality）の目的関数は末端（tail）の結果を無視し、しばしば不利な接触実現において失敗する把持を選択します。リスクに敏感なPOMDPはこの失敗モードに対処しますが、多くはスケールしにくいパーティクルフィルタの信念を用い、勾配ベースの最適化を妨げ、高分散の近似によって条件付き価値・対リスク（Conditional Value-at-Risk; CVaR）を推定しています。そこで我々は、把持獲得を潜在の接触パラメータと物体姿勢に関する変分推論として定式化し、信念を微分可能なガウス混合分布で表現します。ガンベル-ソフトマックスによる成分選択と、ロケーション・スケールの再パラメータ化を用いることで、サンプルを信念パラメータの滑らかな関数として表し、末端頑健性を直接最適化するために、微分可能なCVaRサロゲートを通じた経路依存（pathwise）勾配を可能にします。シミュレーションでは、我々の変分ニューラル信念は、接触パラメータの不確実性と外生的な力の擾乱に対して、頑健な把持成功を改善しつつ、パーティクルフィルタのモデル予測制御（model-predictive control）と比べて計画時間をおよそ1桁分短縮します。多指ハンドを備えた直列リンクのロボットアーム上で、物体姿勢の不確実性に対して、ガウス基準（Gaussian baseline）に比べて把持・持ち上げの成功を検証します。両手法ともテストした擾乱では成功しますが、我々のコントローラは、より少ないステップ数およびより短いウォールクロック時間で終了し、かつより高い触覚に基づく把持品質の代理指標を達成します。学習した信念はまた、リスクのキャリブレーションをより正確に行い、テストしたシミュレーション条件の範囲で平均絶対キャリブレーション誤差を0.14未満に保ちます。これは、クロスエントロピー法プランナーに対して0.58であるのと比べて優れています。