ハイブリッドタスク・運動計画と反応的衝突処理による複雑製品の多ロボット分解:EVバッテリーへの応用
Hybrid task and motion planning with reactive collision handling for multi-robot disassembly of complex products: application to EV batteries
本論文は、複雑な操作タスクシーケンスにおける多ロボット協調の問題に取り組む。タスク分解・割り当てと学習ベースプランナーを統合した、実物のデュアルエージェントプラットフォーム向けのビジョン駆動型タスク・運動計画(TAMP)フレームワークを提案する。GMM情報付きRRT運動プランナーは、MoveIt/FCLデジタルツインでの予測的衝突チェックと反応的回避・再計画を組み合わせたハイブリッド安全レイヤーと連携する。この統合は、システムがタスク順序、幾何学的実現可能性、動的障害物回避、およびデュアルアーム協調制約を同時に満たすため困難である。フレームワークは、固定されたオープンループ計画を実行するのではなく、繰り返しシーンスキャンと完了状態追跡から残りのタスクシーケンスを更新することで、クローズドループで動作する。EVバッテリー分解実験では、同一の知覚とタスク割り当ての下でベースラインRRTConnectと比較して、提案システムはエンドエフェクタの累積パス長を48.8mから17.9m(-63.3%)に削減し、メイクスパンを467.9sから429.8s(-8.1%)に改善し、スイープボリューム(R1: 0.583→0.139 m3、R2: 0.696→0.252 m3)とオーバーラップ(0.064→0.034 m3)を削減した。これらの結果は、実物のデュアルアーム分解シナリオで予測的計画と反応的衝突回避を組み合わせることが、運動のコンパクトさ、安全性、およびより広範な多ロボット逐次操作タスクへのスケーラビリティを向上させることを示している。
- デュアルアームロボットによるEVバッテリー分解のTAMPフレームワークを提案し、実機実験を実施
- ベースライン比でエンドエフェクタ累積パス長を48.8mから17.9m(-63.3%)に削減
- メイクスパンを467.9sから429.8s(-8.1%)に改善
- スイープボリュームとオーバーラップを削減し、安全性を向上
本論文は、EVバッテリーの分解におけるデュアルアームロボットのタスク・運動計画(TAMP)フレームワークを提案し、実機実験でパス長63.3%削減、メイクスパン8.1%改善を達成した。リサイクル工程の自動化はEV普及に伴うバッテリー廃棄問題の解決に直結し、産業用ロボットの応用領域を拡大する。特に予測的計画と反応的衝突回避の統合による安全性・効率性の向上は、廃棄物処理や複雑組立など多ロボット協調が必要な現場への展開可能性を示唆しており、ロボットSIerやエンドエフェクタ・センサメーカーにとって市場機会となり得る。