[論文レビュー] Co-Designing Robots by Differentiating Motion Solvers.

Traiko Dinev, Carlos Mastalli+3 more|arXiv (Cornell University)|Mar 8, 2021

Robotic Locomotion and Control参考文献 21被引用数 6

ひとこと要約

本論文は、運動ソルバーの勾配をとおして微分可能なバイレベル最適化フレームワークを導入し、歩行ロボットの形状と動的歩行を同時に最適化することで、簡略化仮定をせず、高速でスケーラブルかつ制約を考慮した設計を可能にする。計算量のスケーリングが線形であるため、サンプリングベースの手法と比較して3分の1未満の反復回数で収束を達成する。

ABSTRACT

We present a novel algorithm for the computational co-design of legged robots and dynamic maneuvers. Current state-of-the-art approaches are based on random sampling or concurrent optimization. A few recently proposed methods explore the relationship between the gradient of the optimal motion and robot design. Inspired by these approaches, we propose a bilevel optimization approach that exploits the derivatives of the motion planning sub-problem (the inner level) without simplifying assumptions on its structure. Our approach can quickly optimize the robot's morphology while considering its full dynamics, joint limits and physical constraints such as friction cones. It has a faster convergence rate and greater scalability for larger design problems than state-of-the-art approaches based on sampling methods. It also allows us to handle constraints such as the actuation limits, which are important for co-designing dynamic maneuvers. We demonstrate these capabilities by studying jumping and trotting gaits under different design metrics and verify our results in a physics simulator. For these cases, our algorithm converges in less than a third of the number of iterations needed for sampling approaches, and the computation time scales linearly.

研究の動機と目的

• 歩行ロボットと動的動作を同時に最適化するためのサンプリングベースおよび同時最適化手法の限界を克服すること。
• 運動計画問題の完全な動的忠実性、関節制限、摩擦円錐などの物理的制約を保持したまま、ロボット形状の効率的最適化を可能にすること。
• 既存の手法でしばしば無視される重要な駆動制限を、同時に最適化プロセスに統合すること。
• 大規模設計問題に対して、最先端のサンプリングベース手法よりも高速な収束と優れたスケーラビリティを達成すること。
• 物理シミュレータを用いて、ジャンプやトロッティングなどの動的歩行を、さまざまな設計指標のもとで検証すること。

提案手法

• 外側の最適化がロボット形状を最適化し、内側の最適化が運動計画問題を解くバイレベル最適化フレームワークを採用する。
• 運動ソルバーの解法プロセスを微分することで、内側問題の構造に対する簡略化仮定なしに勾配ベースのロボット設計更新を可能にする。
• 関節制限、摩擦円錐、駆動制限などの制約を最適化パイプライン内で明示的に取り扱う。
• 運動ソルバーの解の解析的勾配を活用することで、有限差分近似やランダムサンプリングの必要性を回避する。
• 問題サイズに比例して線形にスケーリングされるため、複雑な設計空間の効率的探索が可能である。
• フレームワークは動的歩行（ジャンプやトロッティングなど）のシミュレーションを想定した物理シミュレータに実装・検証されている。

実験結果

リサーチクエスチョン

• RQ1 運動ソルバーの勾配をとおして微分可能なバイレベル最適化フレームワークは、歩行ロボットと動的歩行の共同最適化をより高速かつスケーラブルに可能にするか？
• RQ2 収束速度とスケーラビリティの観点で、本手法はサンプリングベース手法と比べてどのように性能を発揮するか？
• RQ3 摩擦円錐や駆動制限といった物理的制約は、共同最適化プロセスにどの程度効果的に統合可能か？
• RQ4 運動計画サブプロブレムに対する簡略化仮定なしに、完全な動的忠実性を維持しながら、勾配ベースのロボット形状最適化を効率的に行えるか？
• RQ5 本手法は、ジャンプやトロッティングなどの動的動作とロボット設計を、多様な設計指標のもとで効果的に同時に最適化できるか？

主な発見

• 本手法は、同じ設計問題に対して、サンプリングベース手法に比べて必要な反復回数の3分の1未満で収束を達成する。
• 計算時間は問題サイズに比例して線形にスケーリングされ、サンプリング手法と比較して優れたスケーラビリティを示す。
• 本手法は、摩擦円錐、関節制限、駆動制限といった重要な物理的制約を、共同最適化パイプラインに効果的に統合できた。
• 運動計画サブプロブレムに対する簡略化仮定なしに、完全な動的忠実性を維持したまま、アルゴリズムが動作する。
• 物理シミュレータでの検証により、ジャンプやトロッティングなどの動的歩行を、さまざまな設計指標のもとで効果的に共同最適化できることが確認された。
• 運動ソルバーから得られる勾配情報の活用により、収束がより速く、設計空間の探索がより効率的に行える。