要約
ロボティクスのための反応的軌道最適化は、複雑で素早く変化するダイナミックな環境において、目的を持ったロボットのモーションを迅速に生成することを要求し、手ごわい課題を提示している。既存の研究の多くが、あらかじめ定義された目標を持つロボットの運動計画を主に扱っている一方で、ロボットの軌道最適化における新たな問題は、動的に進化する目標や確率的な運動ダイナミクスを含むことが多い。しかし、このようなロボットマニピュレータの反応的軌道最適化の課題に効果的に対処することは、非効率的で高次元の軌道表現と時間最適化の考慮不足のために困難である。 そこで我々は、RETROと呼ばれる新しい軌道最適化フレームワークを紹介する。RETROは、空間次元と時間次元の両方にまたがる適応的最適化技術を採用している。その結果、RETROは$O(T^{2.4}) + O(Tn^{2})$という驚異的な計算複雑度を達成し、従来のDDPの適用を大幅に改善する。RETROの性能を誤差の観点から評価するために、Oracle軌道最適化アルゴリズムによって得られるOracle値関数と比較しながら、その後悔境界の包括的な解析を行った。解析の結果、RETROの総残念は、選択された時間ステップサイズの関数によって上限が設定できることが示された。さらに、我々のアプローチは、関節空間内で滑らかに最適化されたロボット軌道を提供し、様々なタスクに対する柔軟性と適応性を提供する。また、リアルタイム制御率を維持しながら、衝突回避のようなタスク特有の要求をシームレスに統合することができる。我々は、広範なシミュレーションと、閉ループ操作シナリオにおける実ロボット実験を通して、我々のフレームワークの有効性を検証する。
要約(オリジナル)
Reactive trajectory optimization for robotics presents formidable challenges, demanding the rapid generation of purposeful robot motion in complex and swiftly changing dynamic environments. While much existing research predominantly addresses robotic motion planning with predefined objectives, emerging problems in robotic trajectory optimization frequently involve dynamically evolving objectives and stochastic motion dynamics. However, effectively addressing such reactive trajectory optimization challenges for robot manipulators proves difficult due to inefficient, high-dimensional trajectory representations and a lack of consideration for time optimization. In response, we introduce a novel trajectory optimization framework called RETRO. RETRO employs adaptive optimization techniques that span both spatial and temporal dimensions. As a result, it achieves a remarkable computing complexity of $O(T^{2.4}) + O(Tn^{2})$, a significant improvement over the traditional application of DDP, which leads to a complexity of $O(n^{4})$ when reasonable time step sizes are used. To evaluate RETRO’s performance in terms of error, we conducted a comprehensive analysis of its regret bounds, comparing it to an Oracle value function obtained through an Oracle trajectory optimization algorithm. Our analytical findings demonstrate that RETRO’s total regret can be upper-bounded by a function of the chosen time step size. Moreover, our approach delivers smoothly optimized robot trajectories within the joint space, offering flexibility and adaptability for various tasks. It can seamlessly integrate task-specific requirements such as collision avoidance while maintaining real-time control rates. We validate the effectiveness of our framework through extensive simulations and real-world robot experiments in closed-loop manipulation scenarios.
arxiv情報
| 著者 | Apan Dastider,Hao Fang,Mingjie Lin |
| 発行日 | 2023-10-03 01:58:42+00:00 |
| arxivサイト | arxiv_id(pdf) |