Provably Feasible and Stable White-Box Trajectory Optimization

要約

我々は、一般的なクラスの硬くて拘束された動的システムに対する軌道最適化 (TO) の問題を研究します。
一連の穏やかな仮定を確立し、その下で TO が、ユーザーが指定した任意の誤差許容範囲まで、局所的に最適で実行可能な解に数値的に安定して収束することを示します。
私たちの重要な観察は、これまでの研究ではすべて SQP をブラック ボックス ソルバーとして使用しており、TO 問題は非線形プログラム (NLP) として定式化され、基礎となる SQP ソルバーは NLP を変更することができないということです。
代わりに、SQP ソルバーに目的関数と動的システムの特性が通知されるホワイトボックス TO ソルバーを提案します。
次に、これらの特性を使用して近似動的システムを導出し、離散化スキームをカスタマイズします。

要約(オリジナル)

We study the problem of Trajectory Optimization (TO) for a general class of stiff and constrained dynamic systems. We establish a set of mild assumptions, under which we show that TO converges numerically stably to a locally optimal and feasible solution up to arbitrary user-specified error tolerance. Our key observation is that all prior works use SQP as a black-box solver, where a TO problem is formulated as a Nonlinear Program (NLP) and the underlying SQP solver is not allowed to modify the NLP. Instead, we propose a white-box TO solver, where the SQP solver is informed with characteristics of the objective function and the dynamic system. It then uses these characteristics to derive approximate dynamic systems and customize the discretization schemes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google