DisCo: Distributed Contact-Rich Trajectory Optimization for Forceful Multi-Robot Collaboration

要約

私たちは、接触の多いマルチロボットタスクのための分散アルゴリズムである DisCo を紹介します。
DisCo は、分散接触暗黙的軌道最適化アルゴリズムです。これにより、ロボットのグループが物体やその環境に加わる力の時系列を最適化し、共同操作、ロボットチームスポーツ、モジュール式ロボットの移動などのタスクを達成できます。
私たちは、Alternating Direction Method of Multipliers (ADMM) の変形に基づいてアルゴリズムを構築します。このアルゴリズムでは、各ロボットが、他のロボットと連携しながら、より小型の単一ロボットの接触暗黙的軌道最適化問題から独自の接触力と接触切り替えイベントを計算します。
二重変数を通じて、ロボット間の制約を強制します。
各ロボットは、ローカルな問題を解決することと、隣接するロボットとの一貫性の制約を強制するために無線メッシュ ネットワークを介して通信することを繰り返し、最終的にはグループの調整された計画に収束します。
各ロボットによって解決される局所的な問題は、すべてのロボットの接触力とスイッチング イベントに関する集中的な問題よりもはるかに難易度が低く、計算効率が向上すると同時に、各ロボットの動作のいくつかの側面のプライバシーも保護されます。
私たちは、共同操作のシミュレーション、複数のロボットのチーム スポーツ シナリオ、およびモジュール式ロボットの移動におけるアルゴリズムの有効性を実証します。そこで DisCo は、2.5 倍から 5 倍の高速な計算時間で 3 ドルの高い成功率を達成しました。
さらに、モジュール式トラス ロボットのハードウェア実験の結果も提供します。この実験では、3 つの協調トラス ノードが個別に計画を立てながら、連携して複合構造の断続的なローリング ゲート動作を生成します。
ビデオはプロジェクト ページ https://disco-opt.github.io でご覧いただけます。

要約(オリジナル)

We present DisCo, a distributed algorithm for contact-rich, multi-robot tasks. DisCo is a distributed contact-implicit trajectory optimization algorithm, which allows a group of robots to optimize a time sequence of forces to objects and to their environment to accomplish tasks such as collaborative manipulation, robot team sports, and modular robot locomotion. We build our algorithm on a variant of the Alternating Direction Method of Multipliers (ADMM), where each robot computes its own contact forces and contact-switching events from a smaller single-robot, contact-implicit trajectory optimization problem, while cooperating with other robots through dual variables, enforcing constraints between robots. Each robot iterates between solving its local problem, and communicating over a wireless mesh network to enforce these consistency constraints with its neighbors, ultimately converging to a coordinated plan for the group. The local problems solved by each robot are significantly less challenging than a centralized problem with all robots’ contact forces and switching events, improving the computational efficiency, while also preserving the privacy of some aspects of each robot’s operation. We demonstrate the effectiveness of our algorithm in simulations of collaborative manipulation, multi-robot team sports scenarios, and in modular robot locomotion, where DisCo achieves $3$x higher success rates with a 2.5x to 5x faster computation time. Further, we provide results of hardware experiments on a modular truss robot, with three collaborating truss nodes planning individually while working together to produce a punctuated rolling-gate motion of the composite structure. Videos are available on the project page: https://disco-opt.github.io.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google