Coupled Routing and Configuration Optimization for Multi-Viewpoint Robotic Inspection

技術要約：マルチビューポイント・ロボット検査のための経路と構成の結合最適化

問題提起
本論文は、高自由度（具体的には9自由度のモバイルマニピュレータ）のロボットシステムに対し、多数の6自由度検査ビューポイントを訪問するための、時間最適かつ衝突のないルートを計画するという課題に取り組んでいる。組み立てタスクのような固定されたシーケンスを伴うタスクとは異なり、検査タスクでは訪問順序を最適化することが可能である。核心となる困難さは、タスク空間（ビューポイント）と関節空間の間の非線形なマッピングにある。従来のモジュール式パイプラインでは、ルーティングが行われる前に、各ビューポイントに対して単一の逆運動学（IK）構成が固定される。このデカップリング（分離）は、ビューポイントの最適な構成がそのツアーにおける隣接するビューポイントに依存するため、不十分なものとなる。すなわち、タスク空間で近い2つのビューポイントであっても、選択された関節角によっては、構成空間では遠くなる可能性がある。その結果、モジュール型のアプローチは、グローバルな時間最適性を達成できないことが多い。

手法
著者らは、訪問順序とビューポイントごとの構成を、逐次的なステップとして扱うのではなく、単一のグローバル探索内で結合して最適化する統一フレームットワークを提案している。その手法は、主に以下の3つのコンポーネントで構成される。

1. 冗長性をパラメータ化した逆運動学（IK）:
   単一の構成に対して非線形計画問題を解く代わりに、9自由度システムの3次元自己運動多様体を閉形式でパラメータ化する。各ビューポイントのポーズは、リニアステージの座標とアームのスウィベル角を含むベクトル $\gamma_i$ を用いて、構成によって満たされる。このマップ $\kappa(v_i, \gamma_i)$ により、オプティマイザはポーズ制約を破ることなく、連続的な構成空間を直接探索できる。

2. 閉形式の移動時間サロゲート（代理モデル）:
   グローバル探索を扱いやすくするために、高価な軌道最適化の代わりに、静止状態から静止状態への移動時間に対する、閉形式の許容可能なサロゲートを用いる。線形化された二重積分器ダイナミクスから導出されたこのサロゲートは、2つの構成間の真のトルク制限付き移動時間の下限を提供する。これは計算コストが極めて低く（代数演算のみ）、オプティマイザがエッジコストを過大評価しないことを保証する。

3. 統合された最適化と精緻化:

• グローバル探索: 訪問順序（ランダムキーによりエンコード）と構成パラメータを、共分散行列適応進化戦略（CMA-ES）を用いて同時に最適化する。目的関数は、サロゲートによる移動時間の総和を最小化しつつ、衝突（障害物との交差に対する滑らかなLogSumExp近似を使用）および関節制限違反に対してペナルティを課す。
• 厳密な精緻化: CMA-ESが候補ルートに収束した後、選択されたルートの $M-1$ 個のエッジに対してのみ、直接コロケーション法を用いた軌道最適化を適用する。このステップにより、動的な実現可能性を証明し、正確なトルク制限を強制し、精密なタイミングを算出する。これにより、高価な軌道最適化の回数を、二次的（$O(M^2)$）なモジュール型パイプラインから線形的（$O(M)$）な数へと削減する。

主な貢献

1. 結合最適化定式化: 本論文は、マルチビューポイント検査を、離散的な訪問順序と連続的な構成多様体上の単一の最適化問題として定式化し、モジュール型パイプラインを制限していたデカップリングを取り除いた。
2. 閉形式サロゲートによる扱いやすさの実現: 冗長性をパラメータ化した閉形式のIK、閉形式の許容可能な移動時間サロゲート、および決定論的なオプティマイザが順序と構成を同時に探索することを可能にするランダムキー・エンコーディングを通じて、問題が扱いやすくなることを示した。
3. 効率性と証明: 最終的に選択されたルートのエッジに対してのみ直接コロケーションを適用することで、軌道最適化の回数を二次的から線形へと削減する。さらに、本フレームワークは、計算されたルートのコストと下限値の差を示す、解の品質の証明（サーティフィケート）を提供する。

実験結果
提案されたフレームワークは、2自由度のリニアステージに取り付けられたKUKA LBR iiwa R820を用いたシミュレーションおよび実機ロボット実験を通じて検証された。

• 性能: モジュール型のベースライン（構成を事前に固定するもの）および単純な距離ベースのアプローチと比較して、提案手法はエンドツーエンドの検査時間を大幅に短縮した。例えば、200ビューポイントのシナリオにおいて、提案手法は計画時間を約2529秒から約25秒に短縮し、ベースラインと比較して移動時間を1500秒以上改善した。
• スケーラビリティ: 提案手法の計画時間はビューポイントの数に対して線形にスケールするが、モジュール型のベースラインは全ペアの軌道最適化の必要性により二次的にスケールする。
• 最適性のギャップ: 本手法は、精緻化されたルートのコストと下限値の差である、証明された最適性のギャップを提供する。これは、最大のインスタンス（200ビューポイント）であっても5%未満に維持された。
• 実現可能性: 生成されたすべての軌道は、直接コロケーションによる精緻化ステップによって検証された通り、動的制約、トルク制限、および衝突回避要件を満たしていた。

意義と主張
本論文は、この統一されたアプローチが、ビューポイントの最適な構成はルートに依存するという事実を認識することで、標準的なモジュール型パイプラインを根本的に改善することを主張している。構成の選択とルーティングを統合することにより、本手法はモジュール型のアプローチでは保証できない、グローバルに時間最適なソリューションを実現する。本フレームワークは、個々の製品計画がCADデータから自動的に生成される必要がある、ゼロ欠陥かつ柔軟な製造パラダイムのための実用的なソリューションとして提示されている。著者らは、計画がオフラインであること（静的な環境）や、サロゲートフェーズにおける衝突チェックの近似に関する制限についても言及しており、これらは最終的な精緻化ステップによって修正される。今後の課題として、より大規模な問題に対する学習されたサロゲートや高度なCMA-ESのバリアントの探索が示唆されている。