技術要約: UNCLE-Grasp

問題提起

非構造的な農業環境におけるロボットによるイチゴの収穫は、葉が果実の形状を遮る「部分的な遮蔽（オクルージョン）」という大きな課題に直面している。この遮蔽は点群観測の不完全さを招き、幾何学的な歪みを生じさせ、推定された重心のずれや、不安定または到達不可能な把持（グラスプ）を引き起こす。既存の不確実性を考慮した把持手法は、ポーズ、形状、あるいは個々の把持候補に対する不確実性は推定するものの、複数の完了したオブジェクト仮説にわたって把持の実現可能性を明示的に集計することには失敗している。その結果、オブジェクトレベルでの「試行するか、あるいは断念するか（attempt-or-abstain）」という意思決定を支援するメカニズムを欠いている。さらに、決定論的な把姿予測モデルは、分布の変化が生じた際にキャリブレーションの不十分な信頼度スコアを生成しやすく、深刻に遮蔽されたシーンにおいて脆弱な意思決定につながる。

手法

本論文では、学習による形状補完、モンテカルロ（MC）ドロップアウトに基づく変動性推定、物理に基づいた把持評価、およびリスクを考慮した意思決定を統合したタスク適応型フレームワークであるUNCLE-Grasp（UNCertainty-aware grasping of LEaf-occluded strawberries）を提案する。

1. パイプラインの概要

本フレームワークは、部分的に遮蔽されたイチゴのRGB-D観測を、以下の4つの主要なステージを通じて処理する：

1. 知覚と前処理: RGB-D画像に対してデノイジングとセグメンテーションを行い、検出されたイチゴの個別の部分的な点群を抽出する。
2. MC-Dropoutによる補完と不確実性推定: トランスフォーマーベースの点群補完ネットワーク（PointAttN）が欠落した幾何学構造を再構成する。推論時にもドロップアウト層を保持することで、システムは$K$個の確率的な補完サンプルを生成する。これらのサンプル間の変動性は、エピステミック（認識論的）不確実性のプロキシとして機能する。
   • グローバル・フィルタリング: 平均的な点レベルの変動性が閾値（$\delta_{global}$）を超えるイチゴは、直ちに拒絶される。
3. 把持生成とフィルタリング: 残った各補完サンプルに対して、把持生成ネットワーク（CGNet）が把持候補を生成する。これらの候補は、以下の3段階のフィルタリングプロセスを経る：
   • ローカル不確実性フィルタ: グリッパーの閉口領域内に、確率的な補完間で不一致が高い点が含まれる候補を除去する。
   • 幾何学的フィルタ: アプローチ方向（正面からのアクセス）、垂直な把持方向、および衝突を防ぐためのジョー（顎）とオブジェクトのクリアランスを含む、タスク固有の制約を強制する。
4. リスクを考慮した意思決定 (LCB): 各補完サンプル$k$について、保持された把持候補を単一の把持力空間（grasp wrench space）に統合し、力閉鎖（force-closure）スコア$\epsilon_k$を算出する。
   • システムは、これら$K$個の補完にわたるスコアの平均（$\bar{\epsilon}$）と標準偏差（$\sigma_\epsilon$）を計算する。
   • **下限信頼境界（Lower Confidence Bound: LCB）**が次のように計算される：$LCB = \bar{\epsilon} - z_\alpha \sigma_\epsilon$。
   • パラメータ$z_\alpha$は推定された遮蔽レベル$\alpha$に応じて線形にスケールし、遮蔽が増すにつれてより厳格になる。
   • 意思決定ルール: LCBが0より大きい場合のみ、システムはそのイチゴの把持を試行し、そうでない場合は断念（abstain）する。

2. 主要な技術的構成要素

• 不確実性モデリング: 本フレームワークは、アレトリック（偶然的）不確実性を明示的にモデル化するのではなく、MCドロップアウトによる変動性を用いてエピステミック不確実性を近似する。これら2つの要因を分離してはいない。
• 力閉鎖メトリック: 把持の実現可能性は、把持力空間の凸包内に含まれる原点を中心とした最大の球の半径として定義される$\epsilon$メトリックを用いて評価される。
• 選択的な断念: 本意思決定ロジックは、収穫量よりも信頼性を優先する。妥当な補完間で把持の実現可能性に一貫性がないターゲットに対しては、把姿を断念することで、果実を傷つけたり失敗したりするリスクの高い試行を回避する。

主な貢献

1. オブジェクトレベルの意思決定フレームワーク: 確率的な形状補完から把持フィルタリングおよび力閉鎖評価へと不確実性を伝播させ、把持を試行するか断念するかを決定する新しいパイプライン。
2. タスク適応型の統合: 既存の点群補完および把持生成モデルを再学習させることなく、グローバル/ローカルの不確実性フィルタリング、イチゴ特有の幾何学的制約、およびLCBスタイルの実現可能性スコアを組み合わせる手法。
3. 制御された評価: 合成および実環境の葉による遮蔽レベルが増加する条件下での、シミュレーションおよび物理ロボットを用いた包括的な評価。これには、形状補完、幾何学的フィルタリング、不確実性考慮型フィルタリング、およびオブジェクトレベルの断念に関するアブレーション研究が含まれる。

実験結果

本フレームワークは、安全性を確保し再現性を高めるために高精度なプラスチック製イチゴを使用し、Intel RealSense D435iカメラを備えたUnitree Z1ロボットアームを用いて評価された。実験は、遮蔽レベル0%から約87.45%までを対象とした。

• シミュレーション性能: 最大のシミュレーション遮蔽（87.45%）において、UNCLE-Graspは、試行に対する成功率を、最強のベースライン（CGNet+Geom Completed）の0.780から0.870へと向上させた。試行率自体はわずかに低下した（0.860 対 0.880）が、全体の成功率（全イチゴに対する成功数）は0.680から0.740に増加した。
• 物理ロボット性能: 約87%の合成遮蔽条件下において、UNCLE-Graspは試行に対する成功率0.800を達成し、最強のベースライン（0.483）を大幅に上回った。ただし、これはシステムが保守的なリスク回避を行っていることを反映し、試行率の低下を伴うものであった。
• 実際の葉による遮蔽: 実物の葉による遮蔽（約70%）の下で、UNCLE-Graspは把持成功率をベースラインの0.367から0.517へと向上させた。
• アブレーション研究: 形状補完が深刻な遮蔽下で最大の利点を提供すること、学習された把持生成（CGNet）が重心配置よりも優れていること、および幾何学的フィルタリングが物理的に不可能な候補を除去することを実験結果が裏付けた。しかし、不確実性考慮型の選択を取り入れたフルバージョンのUNCLE-Graspパイプラインのみが、一貫して最も高い条件付き成功率を達成した。

意義と主張

本論文は、UNCLE-Graspの主な利点は、選択的な断念を通じた、より信頼性の高い、リスクを考慮した実行であると主張している。結果は、把持の信頼性と収穫量の間のトレードオフを示している。不確実なターゲットを保留することで、システムは、試行総数を減少させる可能性があるとしても、失敗や果実へのダメージを伴う把持を大幅に減らすことができる。

著者らは、本研究がリスクを考慮した自動化におけるより広範な原則を強調している。すなわち、知覚が曖昧な場合、常に動作するよりも、選択的に断念することが望ましい場合があるということである。本研究は、不確実性が単に知覚スコアとして報告されるのではなく、明示的なダウンストリームの意思決定（試行か断念か）に結びついたときに最も有用であることを主張している。

また、現在のパイプラインは最適化されたバージョンでもイチゴ1個あたり約57.53秒という高い計算コストを要すること、および検出漏れや衝突を考慮したアプローチ計画には対処していないことを認め、研究用プロトタイプであることを指摘している。著者は、本システムが特定の把持の成功を保証するものではなく、幾何学的な不確実性があるにもかかわらず、少なくとも1つの実現可能な把姿が存在することを高い信頼度で示すものであると明言している。彼らは、本研究が商業展開のためのリアルタイム性を謳っているのではなく、農業ロボティクスにおける不確実性を考慮した選択的実行の実現可能性を実証したものであると述べている。