Form2Fit:物体の分解と組立てを行う事でロボットが組合わせの概念を学習(1/3)

１．Form2Fit:物体の分解と組立てを行う事でロボットが組合わせの概念を学習(1/3)まとめ

・Form2Fitは物体をどのように組み合わせるか？をロボットに学ばさせるロボット操作アルゴリズム
・組み合わせの概念を学習する事により物体の組立作業を人間による介在がなくても自律的に実行可能
・学習時に使った部品では94％の組立成功率、学習時に未見の物体でも86％を超える組立成功率を達成

２．Form2Fitとは？

私達の物理的な世界は様々な形状で溢れており、それらを互いに組み合わす方法を学ぶ事は、人間にとっては自然な事です。例えば、人々は自然に、ハンガーを衣類ラックに引っ掛ける事、電源プラグを壁のコンセントに挿入し、USBケーブルがUSBソケットに収まることを理解しています。

「物体をどのように組み合わせるか？(how things fit together?)」というこの一般的な概念を形状に基づいて取得する事は、人々が時間と経験を通じて獲得するものであり、DIY家具キットの組み立てやギフトの箱への梱包など、作業の効率を高めるのに役立ちます。

ロボットが「物体をどのように組み合わせるか？」を学習できれば、切断されたパイプを再接続したり、災害対応シナリオ中に破片をつなぎ合わせて仮設シェルターを構築するなど、今まで見たことのない物体を含む新しい操作タスクにより適応できるようになる可能性があります。

このアイデアを探るために、スタンフォード大学とコロンビア大学の研究者と協力して、Form2Fitを開発しました。Form2Fitはディープニューラルネットワークを使用してオブジェクトが互いにどのように一致(またはフィット)するかを視覚的に認識するロボット操作アルゴリズムです。

このアルゴリズムをテストするために、部品の組立てを行う実際のロボットを使用しました。このテストでは部品を作り上げるために各パーツを梱包用のプラスチック容器または展示用の段ボールに正確に配置する必要があります。

こういったタスクを行うために構築された従来のシステムでは、一度に1つの部品を組み立てるために、様々な箇所で手動で微調整する事が必要でした。

しかし、「物体をどのように組み合わせるか？」という一般的な概念を学習するForm2Fitにより、ロボットはさまざまなタイプの部品を94%の成功率で組み立てることができます。更に、Form2Fitは、トレーニング中に見た事がなかった新しい物体と組立作業にも対応できる最初のシステムの1つです。

見過ごされがちですが、形状分析は操作、特に部品の組み立てなどのタスクで重要な役割を果たします。

実際、物体の形状は、パッケージ内の対応するスペースの形状とよく一致します。この関係を理解することで、人間は最小限の当て推量でこのタスクを実行できます。

Form2Fitの中核概念は、多数の物体とそれらに対応する配置場所を異なる組立作業で複数回学習する事により、これらの組み合わせ関係を学習することを目指しています。これにより、形状と外観がどのように適合するかについての幅広い理解を獲得することを目標としています。

Form2Fitは時間の経過とともに自らを改善します。人間が教師としてForm2Fitに教える必要性は最小限に抑えられています。組立済みの部品を試行錯誤しながら繰り返し分解して独自のトレーニングデータを収集します。次に分解手順を時間反転して組立手順を取得するのです。

12時間、一晩トレーニングした後、私達のロボットは様々な部品の効果的な組立ポリシーを学習し、様々な構成の物体を使った組立で94％の組立成功率を達成し、学習時のデータ内に存在しなかった完全に新しい物体や組立を行う場合は86％を超える組立成功率を達成しました。

３．Form2Fit:物体の分解と組立てを行う事でロボットが組合わせの概念を学習(1/3)関連リンク

１）ai.googleblog.com
Learning to Assemble and to Generalize from Self-Supervised Disassembly

２）form2fit.github.io
Form2Fit: Learning Shape Priors for Generalizable Assembly from Disassembly