MPCGPU: Real-Time Nonlinear Model Predictive Control through Preconditioned Conjugate Gradient on the GPU

要約

非線形モデル予測制御 (NMPC) は、各制御ステップでの軌道の最適化を活用した移動と操作のための最先端のアプローチです。
このアプローチのパフォーマンスは計算上の限界がありますが、基礎となる中規模で疎な線形システムを解くために反復法を使用する直接軌道最適化の実装は、並列ハードウェア アクセラレーションに自然に適合します。
この作業では、加速された前処理済み共役勾配 (PCG) 線形システム ソルバーをコアとして活用する、GPU で高速化されたリアルタイム NMPC ソルバーである MPCGPU を紹介します。
MPCGPU が NMPC のスケーラビリティとリアルタイム パフォーマンスを向上させ、より大きな問題をより高速に解決できることを示します。
特に、Kuka IIWA マニピュレータを使用したタスクの追跡では、MPCGPU は 512 ノット ポイントもの長い軌道でキロヘルツの制御レートまでスケールできます。
これは、最先端の CPU ベースの線形システム ソルバーを大部分のソルバーで少なくとも 10 倍、平均で 3.6 倍上回るカスタム PCG ソルバーによって実現されています。

要約(オリジナル)

Nonlinear Model Predictive Control (NMPC) is a state-of-the-art approach for locomotion and manipulation which leverages trajectory optimization at each control step. While the performance of this approach is computationally bounded, implementations of direct trajectory optimization that use iterative methods to solve the underlying moderately-large and sparse linear systems, are a natural fit for parallel hardware acceleration. In this work, we introduce MPCGPU, a GPU-accelerated, real-time NMPC solver that leverages an accelerated preconditioned conjugate gradient (PCG) linear system solver at its core. We show that MPCGPU increases the scalability and real-time performance of NMPC, solving larger problems, at faster rates. In particular, for tracking tasks using the Kuka IIWA manipulator, MPCGPU is able to scale to kilohertz control rates with trajectories as long as 512 knot points. This is driven by a custom PCG solver which outperforms state-of-the-art, CPU-based, linear system solvers by at least 10x for a majority of solves and 3.6x on average.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google