Inverse-Dynamics MPC via Nullspace Resolution

要約

逆ダイナミクスを使用した最適制御 (OC) は、粗い最適化、導関数の低コストの計算、および高い収束率などの数値上の利点を提供します。
ただし、脚付きロボットのモデル予測制御 (MPC) でこれらの利点を活用するには、多数の等式制約を効率的に処理することが重要です。
これを達成するために、まず (i) nullspace パラメータ化に基づいて等式制約を処理するための新しいアプローチを提案します。
私たちのアプローチは、最適性と、ダイナミクスと等式制約の実現可能性の両方を適切にバランスさせ、高品質の極小値への引力の盆地を増やします。
そのために、(ii) メリット関数を組み込むことによって、実現可能性主導の検索を変更します。
さらに、(iii) 任意のアクチュエータ モデルを考慮した逆動力学の凝縮定式化を紹介します。
また、(iv) 知覚移動フレームワーク内の逆ダイナミクスに基づく新しい MPC を提案します。
最後に、(v) 最適制御と順動力学および逆動力学との理論的比較を提示し、両方を数値的に評価します。
私たちのアプローチは、ハードウェア上で逆ダイナミクス MPC の最初のアプリケーションを可能にし、ANYmal ロボットで最先端のダイナミック クライミングを実現します。
幅広いロボット工学の問題でベンチマークを行い、機敏で複雑な操作を生成します。
ヌル空間の解像度と凝縮された定式化の計算上の削減を示します (最大 47.3%)。
高い収束率 (最大 10 Hz の離散化) で粗い最適化問題を解決することにより、アプローチの利点の証拠を提供します。
私たちのアルゴリズムは、CROCODDYL 内で公開されています。

要約(オリジナル)

Optimal control (OC) using inverse dynamics provides numerical benefits such as coarse optimization, cheaper computation of derivatives, and a high convergence rate. However, to take advantage of these benefits in model predictive control (MPC) for legged robots, it is crucial to handle efficiently its large number of equality constraints. To accomplish this, we first (i) propose a novel approach to handle equality constraints based on nullspace parametrization. Our approach balances optimality, and both dynamics and equality-constraint feasibility appropriately, which increases the basin of attraction to high-quality local minima. To do so, we (ii) modify our feasibility-driven search by incorporating a merit function. Furthermore, we introduce (iii) a condensed formulation of inverse dynamics that considers arbitrary actuator models. We also propose (iv) a novel MPC based on inverse dynamics within a perceptive locomotion framework. Finally, we present (v) a theoretical comparison of optimal control with forward and inverse dynamics and evaluate both numerically. Our approach enables the first application of inverse-dynamics MPC on hardware, resulting in state-of-the-art dynamic climbing on the ANYmal robot. We benchmark it over a wide range of robotics problems and generate agile and complex maneuvers. We show the computational reduction of our nullspace resolution and condensed formulation (up to 47.3%). We provide evidence of the benefits of our approach by solving coarse optimization problems with a high convergence rate (up to 10 Hz of discretization). Our algorithm is publicly available inside CROCODDYL.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google