技術論文 2024 No.2
ロボットマニピュレーションのためのべイズ最適化による作業対象物の探索時間短縮

　広い未知環境におけるロボットタスクでは，環境内でロボットが作業すべき対象の位置を特定することが重要である。カメラの視野は限られているので，作業空間が広すぎて一度に捉えられない場合，カメラを移動させて作業空間を探索する必要がある。既存の手法では環境全体をモデル化しようとするため，不必要に網羅的な探索を行ってしまう。本研究の目的は，ロボットが広い作業空間内の対象の位置を短時間で特定し，タスクを効率的に実行できるようにすることである。本研究では対象の探索を2次元ブラックボックス最適化問題の一種として定式化し，ガウス過程(Gaussian Process, GP)を用いたベイズ最適化(Bayesian Optimization, BO)に基づくサンプル効率の高い探索アルゴリズムを提案する。提案手法は，カメラの物理的な動きの連続性を活用することで探索を効率化する。さらに対象の位置に関する事前知識が利用可能な場合，GPに事前分布を組み込むことでさらに高速な探索を可能にする。最後に，シミュレーションおよび実環境での実験結果により，提案手法が既存の手法と比較して効率的であることを示す。
　なお，本稿は「Reducing Time in Active Visual Target Search with Bayesian Optimization for Robotic Manipulation」Proceedings of 2022 IEEE 18th International Conference on Automation Science and Engineering (CASE2022)　を再編したものである。
© 2022 IEEE. Reprinted, with permission, from [“Reducing Time in Active Visual Target Search with Bayesian Optimization for Robotic Manipulation” in 2022, 2022 IEEE 18th International Conference on Automation Science and Engineering (CASE) （DOI: 10.1109/CASE49997.2022.9926620）]