로봇 조작기를 위한 범용 신경망 기반 동작 계획: 도전 과제와 기회

Toward Generalist Neural Motion Planners for Robotic Manipulators: Challenges and Opportunities

최첨단 범용 조작 정책은 로봇 조작기가 비정형 인간 환경에 배치될 수 있도록 지원해 왔습니다. 그러나 이러한 프레임워크는 주로 저수준 동작 계획 및 제어를 위한 보조 모듈을 사용하기 때문에 혼잡한 환경에서 어려움을 겪습니다. 로봇의 구성 공간의 높은 차원과 작업 공간의 장애물로 인해 동작 계획은 여전히 어려운 과제입니다. 신경망 기반 동작 계획기는 빠른 추론을 제공하고 동작 계획 문제의 내재적인 다중 모드 특성을 효과적으로 처리함으로써 동작 계획 효율성을 향상시킵니다. 이러한 이점에도 불구하고, 현재의 신경망 기반 동작 계획기는 종종 새로운, 분포 외의 계획 환경으로의 일반화에 어려움을 겪습니다. 본 논문에서는 최첨단 신경망 기반 동작 계획기를 검토하고 분석하며, 이들의 장점과 한계를 강조합니다. 또한, 특정 도메인의 과제를 처리할 수 있는 범용 신경망 기반 동작 계획기를 구축하기 위한 방안을 제시합니다. 검토된 논문 목록은 https://davoodsz.github.io/planning-manip-survey.github.io/ 에서 확인할 수 있습니다.

State-of-the-art generalist manipulation policies have enabled the deployment of robotic manipulators in unstructured human environments. However, these frameworks struggle in cluttered environments primarily because they utilize auxiliary modules for low-level motion planning and control. Motion planning remains challenging due to the high dimensionality of the robot's configuration space and the presence of workspace obstacles. Neural motion planners have enhanced motion planning efficiency by offering fast inference and effectively handling the inherent multi-modality of the motion planning problem. Despite such benefits, current neural motion planners often struggle to generalize to unseen, out-of-distribution planning settings. This paper reviews and analyzes the state-of-the-art neural motion planners, highlighting both their benefits and limitations. It also outlines a path toward establishing generalist neural motion planners capable of handling domain-specific challenges. For a list of the reviewed papers, please refer to https://davoodsz.github.io/planning-manip-survey.github.io/.