JP5064524B2 - 予測不可能で動的な複雑な環境において計画することを伴う自律型ロボット - Google Patents

Description

本発明は、概して、自律型ロボットの分野に関し、より具体的には、予測不可能な複雑な環境においてロボットが動きを行うことを可能にする方法に関する。

当業者の一般的な知識は、たとえば、Bekeyによる「自律型ロボット(autonomous robots)」、MIT出版、２００５年に例示されている。

ロボットのような可動な対象物（オブジェクト）を制御する際、動き生成に関して本質的に２つの既知の方法があり、これは、計画と反応制御である。当業者には、動き制御についてのこれらの２つの概念はよく知られており、たとえば、下記のＢｅｋｅｙに記載されている。

計画(planning)は、基本的に、現在の状態から将来の状態へと最適な動きを計画ないしスケジュールすることである。これには、動き全体を計算するコストがかかり、よって、予測不可能な環境に対して反応することが困難である。この方法は、静的または予測可能な複雑な環境に適している。

他方、反応制御(reactive control)は、より安価な計算コストで次の状態のみを計算する。結果としての動きは、最適とはいえず、潜在的に局所解(local minima)に陥る。この方法は、予測不可能な動的な環境に適している。

Bekey著、「自律型ロボット（Autonomous robots）」、MIT press、２００５年

本発明の目的は、複雑かつ予測不可能な環境においても、ロボットが動きを行うことを可能にする手法を提案することである。

本発明は、これらの２つの方法を統合することにより、予測不可能な複雑な環境において動きを生成することが可能な「瞬時予測(Instant Prediction)」の概念を提案する。

本発明の目的は、独立請求項の特徴によって、特に達成される。従属請求項は、さらに、本発明の中心的な考えを発展させるものである。

本発明の第１の目的は、ロボットの動き制御のためのコントローラに関し、該コントローラは、
−到達すべきターゲットに関する情報を、該コントローラに供給するためのターゲット入力インターフェースと、
−内部モデルを用いて、制御される該ロボットの将来の状態の少なくとも１つを予測する予測モジュールと、
−上記予測モジュールから供給された予測された状態から開始して、該ロボットの将来の状態を計画する計画モジュールと、
−該制御されるロボットをターゲットに到達させるべく、モータコマンドを出力する出力ステージと、
−上記予測モジュールによって出力されたターゲットまたは上記計画モジュールからの出力を選択するためのターゲット・アービトレータ(arbitrator:調停部)と、を備える。

予測モジュールによって生成された動きの品質を計算し（コスト関数を用いて）、該予測モジュールによって生成された動きの品質が、予め設定されたしきい値未満である場合には、計画モジュールによって生成されたターゲットを、該ロボットの動きを制御するのに用いる。

本発明は、また、上記定義されたコントローラが備えられるロボットに関する。

本発明は、また、ロボットの動きを制御する方法に関し、該方法は、
−到達すべきターゲットに関するターゲット入力情報を供給するステップと、
−制御される該ロボットの将来の状態の少なくとも１つを予測するステップと、
−上記予測された状態から開始して、該ロボットの将来の状態を計画するステップと、
−該制御されるロボットをターゲットに到達させるべく、モータコマンドを出力するステップと、を含む。

さらに、本発明は、コンピューティングデバイス上で稼動するときに上記の方法を実行するコンピュータプログラム製品を提案する。

本発明のさらなる利点、目的および特徴は、添付の図面と共に、本発明の好ましい実施形態の以下の詳細な説明を読むことによって当業者には明らかであろう。

本発明に従う、瞬時予測手法を示す図。 本発明に従う、コントローラのタイムチャートを示す図。 本発明に従う、ロボット・コントローラの簡略化された図。 本発明に従う、コントローラを示す図であり、品質値μ_reactがしきい値より大きければ、ロボットの動きについて計画モジュールを用いないが、計画モジュールは、進行中の予測計算の間は、μ_reactに基づいて、動きを事前計算し、更新する。事前計算された計画情報は、データベースに格納される。計画モジュールを起動するとき（予測計算の完了時）、該データベースを用いることができ、これによって、計算時間および計算資源を節約することができる。 ホンダのアシモ（ASIMO）ロボットを示し、これは、本発明を適用可能な、人間型の自律型ロボットである。

本発明は、ロボットに関し、該ロボットには、好ましくは該ロボットに搭載される、コンピューティングユニット（コントローラ）が設けられる。該コンピューティングユニットは、機能的に複数のモジュールに分けられる。以下では、本発明に従う方法およびモジュールのレイアウトを説明し、これにより、制御されるロボットについて新規な挙動が達成されることとなる。

瞬時予測(instant prediction)手法
瞬時予測の手法の全体が、図１に示されている。元の（オリジナルの）ターゲット信号ｒ_orgは、ロボットによって到達されるべきターゲットを示しており、これは、関連づけられたロボットの、たとえば視覚信号処理システムから供給される。オリジナルのターゲット信号ｒ_orgは、ターゲットアービトレータ(arbitrator,調停)モジュールおよび計画モジュールに供給される。ターゲットアービトレータモジュールは、第２の入力として、中間ターゲット信号ｒ_intを受け取る。

ターゲットアービトレータモジュールは、実ターゲット信号ｒ_actを生成し、これは、反応コントローラおよび予測モジュールの両方に送られる。

予測モジュール（予測器）は、動きμ_reactを生成し、これは、計画使用基準評価モジュールに供給されると共に、計画開始基準評価モジュールへの入力として送られる。計画開始基準評価モジュールは、供給された動きμ_reactが計画開始基準を満たすと評価したならば、計画モジュール（計画器）を起動（トリガ）する。

とりわけ、予測モジュールから供給された動きμ_reactが、ロボットの将来の状態について困難性(difficulty)を示すならば（たとえば、ロボットの部位が障害物に近づきすぎる場合や、ロボットの関節（ジョイント）またはアクチュエータが、極限の（終端の）位置に近づきすぎる場合）、計画開始モジュールは、計画モジュールを起動する。該困難性を、供給された動きμ_reactにコスト関数を適用することによって計算することができる。

予測モジュールがロボットの将来の状態について困難性を予測した場合に、図に示される反応コントローラが、該困難性に至るものとして予測された挙動に従ってロボットを制御しつづける、という点に注意することが重要である。しかしながら、反応コントローラによる進行中の制御と時間的に並列して、計画モジュールが起動され、計画の計算を開始する。反応コントローラと計画計算の並列制御は、ロボットのより効率的な制御となる。なぜならば、予測モジュールによってなされた困難な状況の予測に起因して、計画モジュールは、該困難な状況が実世界で達せられる前に、計画計算を開始することができるからである。

本発明によれば、こうして、将来の困難な状態が予測される場合でもロボットの制御は停止されず、該将来の困難な状態を回避することができる「計画された動き」を計算するよう設計された計画モジュールが起動される。

計画モジュールは、動き解決(solution)信号を生成し、これは、中間ターゲット生成モジュールに送られる。該中間ターゲット生成モジュールは、計画された動きの適合値μ_planを生成し、これは、予測された動きの適合値μ_reactと共に、計画使用基準評価モジュールに送られる。計画使用基準評価モジュールは、基準を使用して、計画された動きまたは予測された動きを、ターゲットアービトレータモジュールに送られる内部ターゲット信号として使用するかどうかを評価する。

図に示されるシステムは、反応コントローラを使用して、ロボットのアクター（actor、典型的には電気モータ）のための動きコマンドを生成する。予測モジュールは、その内部モデル、いわゆる内部予測モジュールモデル（後述された参考文献中の文献２を参照）を使用して、将来のロボットの状態をシミュレートする。内部予測モデルの動きの適合値μ_react（適合(fitness)関数またはコスト関数を用いて計算される）が不十分ならば、計画モジュールが起動される。計画モジュールによって生成される他の動きの適合値μ_planが十分ならば（すなわち、予め設定されたしきい値を超えたならば）、該計画された動きμ_planは、ターゲットアービトレータを介して、実ターゲットｒ_actとして反応コントローラに送られる。その後、反応コントローラは、該ロボットに、供給されたターゲットを達成させるように、該ロボットのアクター（たとえば、足、腕、頭）を制御する。

当該手法の各要素について、以下、図１と共に説明する。以下の説明において、Ｔ_＊は、Ｎ_＊の繰り返しサイクル中における、各内部モデルについての全体的な計算時間を表す。ΔＴ_＊は、１繰り返し中における各内部モデルについての計算時間を示し、Δｔ_＊は、各内部モデルの時間増分（インクリメント）を表す。サフィックス＊は、予測(predict)、反応(react)、計画(plan)、またはトリガ(trig)を示す。

図２は、本発明に従う、コントローラのタイムチャート（すなわち、ｘ軸は、時間軸）を示す。Ｔ_reactは、反応コントローラの計算時間であり、これは、時間期間Δｔ_react内にある。ｔ_predictは、将来の予測深さ(prediction depth)である。予測モジュールは、時間ｔ_predictまで、ロボットの将来の状態を予測するが、計画モジュールがトリガ（起動）されるときには、ｔ_trigまで予測することができる。Ｔ_predictは、時間ｔ_predictまでロボットの将来の状態を予測するのに必要な計算時間である。

ｔ_trigまでの時間期間中、すなわち、計画モジュールがトリガされる前（これは、図２において網掛けで示されている）、計画モジュールは、事前計算のために該期間を利用する。ｔ_trigまでのこの期間中、計画モジュールは、予測モジュールから計画モジュールに、時間ｔ_trig前に供給された情報に基づいて、計画を準備する。こうして、状態予測の中間結果（予測モジュールから計画モジュールへは、連続的に、または離散時間ステップで送られる）は、ｔ_trig前に計画を事前計算するのに計算モジュールによって使用される。この事前計算は、たとえば、計画の離散化、計画の中間位置または該中間位置間の接続が障害物に近すぎないか、あるいは障害物に重なっていないかをチェックすること、等を含むことができる。

ターゲットアービトレータモジュール
ターゲットアービトレータは、新しいターゲットｒ_orgまたは中間ターゲットｒ_intが与えられたときに起動される。該アービトレータが中間ターゲットを受け取ったとき、該アービトレータは、オリジナルの該与えられたターゲットｒ_orgを格納し、ｒ_intを、ｒ_actの時間間隔で、反応コントローラおよび予測モジュールの両方に送る。ターゲットアービトレータモジュールが、新しく与えられたターゲットｒ_orgを受け取ったとき、該格納されたデータは破棄され、該アービトレータは、ｒ_actの該新しく与えられたターゲットを送る。

反応コントローラ
反応コントローラは、ｒ_actを受け取り、ロボットのモデル、いわゆる内部反応モデルに基づいて、次の時間区間についての動きを計算する。結果としての動きコマンドが、ロボットに送られる。通常、反応コントローラは、動きコントローラ、ジョイント限界回避コントローラ、衝突回避コントローラ等のいくつかのコントローラを備える。

予測モジュール
予測モジュールは、内部予測モジュールモデルを使用して、ロボットの将来の状態をシミュレートする。予測モジュールは、該モデルに基づいて、適合値μ_reactを計算する。これは、内部予測モジュールモデルでシミュレートされた反応動きについての品質の目安となるものである。この適合値μ_reactは、ロボットの環境の複雑性を表す。たとえば、内部予測モジュールモデルが物理的な障害物に近づくよう動いて該モデルがデッドロックに達した場合、適合値μ_reactは下がる。

予測モジュールは、計画が完了するまで、予測を停止する。これは、計画中に計画モジュールをトリガ（起動）しないようにするためである。内部予測モジュールモデルは、内部反応モデルに必ずしも同一ではない。該内部予測モジュールモデルは、より少ない自由度ＤＯＦ（Degree of Freedom）を持つことができ、あるいは、内部反応モデルの時間区間Δｔ_reactよりも長い時間区間Δｔ_predictを持つことができる。これらは、計算時間を節約するのに寄与し、よって、予測モジュールは、さらなる将来を予測することができる。対して、内部予測モジュールモデルの荒さ（coarseness）は、予測の不正確さとなりうる。より精細(finer)なモデルを、以下のケースで使用することができる。
・μ_reactが小さくなるとき
・システムが、近い将来を予測するとき
・システムが、与えられたターゲットｒ_org近くを予測するとき（後述の文献６）

「計画開始」基準モジュール
「計画開始」基準モジュールは、適合値μ_reactに従って、計画を開始するか否かを決定する。また、該モジュールは、計算資源のような利用可能な資源が限られている場合には、該利用可能な資源を考慮することができる。

計画モジュール
計画モジュールは、局所的に、またはグローバルに最適化された解（solution、通常は、軌道）を生成する。ここでは、任意の種類の計画モジュールを使用することができるが、より高速な計画モジュール、または、計算中に割り込まれたとしても最小解(minimal solution)を与える計画モジュールが、適している。これは、計画のための時間が制限されているためである。

中間ターゲット生成器
反応動きおよび計画された動きの両方の適合値を比較できるように、また、ターゲットアービトレータが扱うことができるように、中間ターゲット生成器は、計画モジュールからの該解（ソリューション）を、中間ターゲットｒ_intに変換する。たとえば、計画モジュールが配置空間(configuration space)を用い、オリジナルに与えられたターゲットｒ_orgがタスク空間(task space)を用いる場合、中間ターゲット生成器は、該配置空間をタスク空間に変換する。ｒ_intに基づいて、中間ターゲット生成器は適合値μ_planを計算し、これを、計画使用基準に送る。

「計画使用」基準モジュール
「計画使用」基準モジュールは、適合値μ_planおよびμ_reactを比較する。これらの適合値に従って、該モジュールは、どちらの中間ターゲットを、ｒ_actに用いるかを判断する。

本発明に従う適応計画
予測モジュールは、予測深さである時間ｔ_predictにおけるロボットの将来状態に至るまでを予測することができる。反応コントローラの計算時間をＴ_reactとし、予測モジュールについての計算時間をＴ_predictとし、計画モジュールについての計算時間をＴ_planとする。

待ち時間補償(latency compensation)のため、以下の条件が必要とされる。
ｔ_predict≧Ｔ_plan＋Ｔ_predict （１）
ｔ_predictのための予測繰り返しサイクルをＮ_predictとし、１サイクルについての計算時間をΔＴ_predictとすると、以下を得ることができる。
ｔ_predict＝Ｎ_predictΔｔ_predict （２）
Ｔ_predict＝Ｎ_predictΔＴ_predict （３）

これらの条件下において、式（１）は、以下のようになる。
Ｔ_plan≦Ｎ_predict（Δｔ_predict−ΔＴ_predict） （４）

Δｔ_predict−ΔＴ_predictが一定とすると、Ｎ_predictは、計画のための計算時間Ｔ_planを制限する。

静的な、または決まった環境においては、Ｎ_predictを、計画について十分大きくすることができる。しかしながら、環境が、動的であり、または不確かである場合には、予測モジュールは、ｔ_predictまでのロボットの将来の状態を常に予測するとは限らない。なぜならば、計画モジュールが、ｔ_predictの前に起動されうるからである。予測モジュールの開始と計画モジュールの起動の間の時間ｔ_trigは、以下のようになる。

ｔ_trig≦ｔ_predict （５）
ｔ_trig＝Ｎ_trigΔｔ_predict （６）

ここで、Ｎ_trigは、ｔ_trigの予測繰り返しサイクルである。式（４）は、以下のように定式化されることができる。
Ｔ_plan≦Ｎ_trig（Δｔ_predict−ΔＴ_predict） （７）

計画モジュールは、計画について時間Ｔ_planを用いることができる。環境が予測可能であるとき、計画モジュールは、十分に足るＮ_trigを用いるが、環境が、完全に予測不可能なとき、Ｎ_trig＝０であり、すなわち、システムは反応コントローラと等価となる。

計画のための準備
インタラクティブな（反応）コントローラを、動きについて使用しており、かつ計画モジュールが起動されていない間、計画モジュールは、必要に応じて、計画についての事前計算を行うことができる。たとえば、計画モジュールは、動きを生成することができ、あるいは、この期間における状態空間を離散化する等の事前処理を計算したり、予測モジュールで計算された適合値に従って動きを更新したりすることができる。

本発明は、実際にロボットが困難な状況に遭遇するまでに予測モジュールが該困難な状況を検出した時からの時間を利用することによって、計画モジュールに十分な時間を与える予測モジュールを提案するものである。また、予測モジュールは、計画モジュールが効率よく計画するように、該計画モジュールに、予測された結果を送る。

まとめ
本システムは、反応コントローラを用い、該システムが、困難な状況に遭遇したとき、該システムは、計画モジュールを使用する。反応コントローラが動きについて用いられるが、計画モジュールは用いられないとき、該計画モジュールは、該計画モジュールが動きについて用いられるときに計算時間を節約するため、動きを計算する。計画モジュールは、予測モジュールによって予測された情報を利用して、動きを計画する十分な時間を取ることができる。すべてのプロセスは、オンラインで実行される。

予測モジュールは、将来の時間ステップｔｉにおける反応動きの品質の予測を、ｔ_predictなる最大時間まで、実行する。何らかのｔｉについての品質値がしきい値より小さくなったならば、計画モジュールは計画を計算する。計画モジュールの時間は、以下によって与えられる。

Ｔ_plan≦ｔ_predict−Ｔ_predict
ここで、ｔ_predictを、環境に適応させることができる。

反応コントローラが十分であるならば、すなわちμ_reactが、現在の、または適応的なしきい値より大きければ、計画モジュールは、環境を表すμ_reactに基づいて、動きを事前計算し、該動きを更新する。

参考文献
[1] Brendan Burns. Exploiting Structure: A Guided Approach to Sampling based Robot Motion Planning. Electronic Doctoral Dissertations for UMass Amherst. Paper AAI3275736., 2007.

[2] Michael Gienger, Bram Bolder, Mark Dunn, Hisashi Sugiura, Herbert Janssen, and Christian Goerick. Predictive behavior generation - a sensor-based walking and reaching architecture for humanoid robots. In Karsten Berns and Tobias Luksch, editors, Autonome Mobile Systeme 2007. Springer Verlag, 2007.

[3] Jindong Liu, Huosheng Hu, and Dongbing Gu. A hybrid control architecture for autonomous robotic fish. In Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems 2008, 2008.

[4] Kian Hsiang Low, Wee Kheng Leow, and Jr Marcelo H. Ang. A hybrid mobile robot architecture with integrated planning and control. In Proceedings of the International Conference on Autonomous Agents and Multiagent Systems 2002, 2002.

[5] Neal Solomon. System, methods and appratus for managing a weapon system. In United States Patent Pub. No. US2005/0183569 A1, 2005.

[6] Nikolaus Vahrenkamp, Christian Scheuer, Tamin Asfour, James Kuffner, and Ruediger Dillmann. Adaptive motion planning for humanoid robots. In Proceedings of the IEEE/RSJ International Conference on Intelligent Robotics and Systems 2008, 2008.

Claims (11)

1. ロボットの動き制御のためのコントローラであって、
   到達すべきターゲットに関する情報を該コントローラに供給するターゲット入力インターフェースと、
   前記ロボットの制御に用いる内部ターゲットを出力するターゲットアービトレータと、
   前記ロボットを前記内部ターゲットに到達させるべく、モータコマンドを出力する反応コントローラと、
   前記内部ターゲットに関する情報に基づき、将来の第１の時刻における前記ロボットの状態と、第１の時刻より後の第２の時刻における前記ロボットの状態とを、前記ロボットの内部モデルを使用して予測する予測モジュールと、
   前記モータコマンドの実行と並行して、前記予測モジュールが予測した第１の時刻における状態から開始して、前記ロボットの第２の時刻における将来の状態を計画する計画モジュールと、
   前記計画モジュールが計画した第２の時刻における将来の状態を実現するための、前記ロボットの制御に用いる中間ターゲットを生成する中間ターゲット生成モジュールと、
   を備え、
   前記ターゲットアービトレータは、前記予測モジュールが予測した第２の時刻における状態に至る動きの品質と前記計画モジュールが計画した第２の時刻における状態に至る動きの品質との比較に基づいて、前記内部ターゲットを維持するか、又は、前記中間ターゲットにより前記内部ターゲットを更新する、
   コントローラ。
2. 前記予測モジュールが予測した状態に至る動きの品質は、コスト関数を用いて計算され、
   前記中間ターゲット生成モジュールが生成した前記中間ターゲットは、前記予測モジュールが予測した第２の時刻における状態に至る動きの品質が予め設定されたしきい値未満であることを条件として、前記ロボットの動きを制御するのに用いられる、
   請求項１に記載のコントローラ。
3. 前記計画モジュールは、前記予測モジュールが予測した第２の時刻における状態に至る動きの品質が予め設定されたしきい値未満であるときに、起動信号が与えられる、
   請求項１または２に記載のコントローラ。
4. 前記予測モジュールは、第２の時刻における状態の予測計算が完了する前に、当該予測モジュールが予測した第１の時刻における状態の情報を前記計画モジュールに出力する、
   請求項１または２に記載のコントローラ。
5. 前記計画モジュールは、前記予測モジュールが予測した第１の時刻における状態の情報を受け取ったときに、前記ロボットの前記第２の時刻における状態の計画計算を実行して、当該計画した状態をデータベースに格納し、前記起動信号が与えられたときに、前記データベースに格納された前記計画した状態を使用する、
   請求項３に記載のコントローラ。
6. 前記コントローラは、さらに、前記ターゲットアービトレータから供給された内部ターゲットをモータコマンドに変換するための反応コントローラコマンドを前記反応コントローラに提示するよう構成されている、
   請求項１から５のいずれかに記載のコントローラ。
7. 請求項１から６のいずれかに記載のコントローラを備えるロボット。
8. ロボットの動きを制御するための方法であって、
   到達すべきターゲットに関するターゲット入力情報を供給するステップと、
   前記ロボットの制御に用いる内部ターゲットを出力するステップと、
   前記ロボットを前記内部ターゲットに到達させるべく、モータコマンドを出力す
   るステップと、
   前記内部ターゲットに関する情報に基づき、将来の第１の時刻における前記ロボットの状態と、第１の時刻より後の第２の時刻における前記ロボットの状態とを、前記ロボットの内部モデルを使用して予測するステップと、
   前記モータコマンドの実行と並行して、前記予測するステップにおいて予測した第１の時刻における状態から開始して、前記ロボットの第２の時刻における将来の状態を計画するステップと、
   前記計画するステップにおいて計画した第２の時刻における将来の状態を実現するための、前記ロボットの制御に用いる中間ターゲットを生成するステップと、
   を備え、
   前記内部ターゲットを出力するステップは、前記予測するステップにおいて予測した第２の時刻における状態に至る動きの品質と前記計画するステップにおいて計画した第２の時刻における状態に至る動きの品質との比較に基づいて、前記内部ターゲットを維持するか、又は、前記中間ターゲットにより前記内部ターゲットを更新する、
   方法。
9. 前記予測するステップにおいて第２の時刻における状態の予測計算が行われている間に、前記計画するステップにおいて、前記予測するステップにおいて予測された第１の時刻における状態に基づいて、第２の時刻における状態の計画計算を実行し、
   前記予測するステップにおいて第２の時刻における状態の予測計算が完了したときに、前記計画するステップの起動信号が与えられる、
   請求項８に記載の方法。
10. 前記計画するステップでは、前記予測するステップにおいて第１の時刻における状態の予測が完了したときに、前記ロボットの前記第２の時刻における状態の計画計算を実行して、当該計画した状態をデータベースに格納し、前記計画するステップの起動信号が与えられたときに、前記データベースに格納された前記計画した状態を使用する、
    請求項９に記載の方法。
11. コンピューティングデバイス上で実行されたときに、請求項８から１０のいずれかに記載の方法を実行するコンピュータプログラム。