모바일 로봇을 위한 행동기반의 중간목표 생성

Abstract

모바일 로봇은 작업환경이 인간 중심의 동적인 환경이기 때문에 기존 산업 로봇처럼 사전에 프로그램 된 행동 계획만으로 단순 임무뿐만 아니라 다중 목표를 갖는 임무들을 수행하는데 어려움이 있다. 따라서 로봇 스스로 커다란 임무를 여러 개의 하위 목표로 나누고, 그것을 하나씩 성취해 갈 수 있는 방법을 알려 주어야 한다. 본 논문에서는 다중 목표를 갖는 임무를 수행하는데 있어 로봇이 스스로 임무를 분리하고, 로봇이 갖고 있는 유한개의 행동을 기준으로 중간목표를 생성하는 행동기반의 중간 목표 생성 알고리즘을 제안한다. 이를 위해, 로봇의 임무 설명 공간을 임무의 순서를 나타내는 글로벌공간과 로봇과 대상과의 관계를 나타내는 로컬공간으로 정의하고, 시뮬레이션을 통해 성공적인 에피소드를 수집한다. 수집된 에피소드를 현재 상태-행동-다음 상태로 묶어 상태 전위 튜플(State transition tuple)을 생성한다. 생성된 상태 전위 튜플을 글로벌 파라미터를 기준으로 분류하고, 이를 다시 상태 전위 튜플의 특징벡터를 사용하여 로컬공간으로 분류한다. 분류된 각각의 로컬공간 클러스터 내에서 동일한 행동에 의해 동일한 결과를 생성하는 현재 상태들을 하나의 통합된 중간목표 정의하고 이를 메타-룰(Meta-rule)을 이용하여 일반화한다. 행동기반의 중간 목표 생성 알고리즘을 검증하기 위한 실험으로 상자 재배치 임무를 수행하여 성능을 평가를 하였다.; Mobile robots must be operated in dynamic environments, thus adopting a programmed-action-plan is not appropriate to be utilized to achieve multiple-goal-mission. For that reason, we must make robots to divide a main mission by several subgoals, and show them a way to achieve each subgoal. In this paper, we proposed algorithm of Discovery of Action-based subgoals. In this algorithm, the robot can categorize a specific mission and create subgoals based on limited actions which can be implemented by it. For this reason, we define task description space containing global space describing the order of task and local space representing the relationship between robot and objects. In addition, we collect successful episode by simulation. State transition tuples are created by collected episodes based on present state, action, next state. Those tuples are categorized by their global parameters. In addition, for a single cluster categorized by global space, it is categorized by its value of feature vector. Consequently, we can express these tuples in the local space. Present states, which result in the same output through the same action, are considered as the same, and this integrated state is defined as subgoal. In addition this subgoal is generalized by utilizing Meta-rule. To show the validities of our proposed discovery of action-based subgoals, Box-Rearrangement task is simulated and experimented.