QDTraj：関節を持つ物体のロボットマニピュレーションのための多様な軌道プリミティブの探索

要旨: 学習とロボティクスの最新の進歩のおかげで、家庭用ロボットが自律的に家事を実行することを目指して家庭に入り始めています。しかし、ロボットは依然として、開放的な環境における自律的なマニピュレーション課題の遂行に苦戦しています。この文脈で、本論文は、ロボットが多様な関節状（アーティキュレートされた）対象物を操作できるようにする手法を提示します。
本論文では、与えられた対象物の関節構造（アーティキュレーション）を操作するために、自動的にさまざまなロボットの低レベル軌道プリミティブを生成します。専門家の軌道（エキスパート軌道）を生成する際に非常に重要なのは、同じ目標を達成する解の多様性を考慮することです。実際、同一の課題を成し遂げるための多様な低レベルプリミティブを知っていると、ロボットは、実環境における制約の変化や予期しない変化を伴う中で、最適な解を選択できます。そこで本論文では、所望のマニピュレーション課題に対して、多様で高性能な一連の軌道プリミティブを生成するために、スパース報酬探索を活用するQuality-Diversityアルゴリズムに基づく手法を提案します。
我々は、シミュレーション上で多様な軌道を生成し、それを実世界へ展開することで、本手法QDTrajを検証しました。QDTrajは、ヒンジおよびスライダーの作動（activation）課題の双方において、比較した他の手法よりも優れ、少なくとも5倍多くの多様な軌道を生成します。また、PartNetMobilityの関節状対象物データセットに含まれる30のアーティキュレーションに対して、本手法の汎化性能を評価しました。課題ごとの平均で704種類の異なる軌道が得られました。コードは以下で公開されています: https://kappel.web.isir.upmc.fr/trajectory_primitive_website