[論文レビュー] Enhancements to the DIDO Optimal Control Toolbox

I. Michael Ross|arXiv (Cornell University)|Apr 27, 2020

Spacecraft Dynamics and Control参考文献 43被引用数 22

ひとこと要約

本論文は、DIDO最適制御ツールボックスに大幅なアルゴリズム的改善を施し、基本的なスペクトル的離散化から、初期推定値を不要とするスペクトル的ハミルトニアンプログラミングへの移行を実現した。この手法により、ロバスト性、高速性、検証可能な精度が保証される。本手法は、ロボット工学のベンチマークで示されるような困難な軌道最適化問題において局所的最小値を回避でき、ポンティリャーギンの原理に基づく最小限のユーザーインターフェースを維持している。

ABSTRACT

In 2020, DIDO$^©$ turned 20! The software package emerged in 2001 as a basic, user-friendly MATLAB$^\circledR$ teaching-tool to illustrate the various nuances of Pontryagin's Principle but quickly rose to prominence in 2007 after NASA announced it had executed a globally optimal maneuver using DIDO. Since then, the toolbox has grown in applications well beyond its aerospace roots: from solving problems in quantum control to ushering rapid, nonlinear sensitivity-analysis in designing high-performance automobiles. Most recently, it has been used to solve continuous-time traveling-salesman problems. Over the last two decades, DIDO's algorithms have evolved from their simple use of generic nonlinear programming solvers to a multifaceted engagement of fast spectral Hamiltonian programming techniques. A description of the internal enhancements to DIDO that define its mathematics and algorithms are described in this paper. A challenge example problem from robotics is included to showcase how the latest version of DIDO is capable of escaping the trappings of a ``local minimum'' that ensnare many other trajectory optimization methods.

研究の動機と目的

• 初期推定値への感受性や収束性の悪さといった、従来の直接法・間接法の限界を克服すること。
• ユーザーが初期推定値や解析的勾配を提供する必要のない、ロバストで高速かつ高精度なアルゴリズムの開発。
• ポンティリャーギンの原理に基づく妥当性と最適性のテストを通じて、解の精度を検証可能にする。
• DIDOの適用範囲を航空宇宙分野にとどめず、ロボット工学、量子制御、非線形感度解析などの複雑な問題へ拡張すること。
• 低性能なマイコンプロセッサに埋め込み可能なアルゴリズムの設計により、リアルタイム最適制御アプリケーションへの応用を可能にすること。

提案手法

• 離散余接トンネル法とスペクトル的ハミルトニアンプログラミングに焦点を当てた、多面的なアルゴリズムスイートを用いて収束を加速する。
• ハミルトニアン系の構造を保つように注意を払った、スクリーニング的離散化を採用し、数値的安定性と精度を確保する。
• ハミルトニアン定式化の内在的性質を活用することで、初期軌道推定値に依存しない、初期推定値不要のアプローチを実装する。
• 動的およびコスト関数の分離可能性を活用し、メモリと計算負荷を削減する。250グリッドポイントあたり、1状態変数あたり約1 MBのメモリコストとなる。
• ポンティリャーギンの原理から必要な条件を明示的に計算・出力することで、最適性の独立的検証を可能にする。
• ナイキストレートの信号サンプリングと整合するように、低メモリ・低計算負荷を実現することで、低性能マイコンプロセッサへの埋め込みを可能にする。

実験結果

リサーチクエスチョン

• RQ1 最適制御問題を、ユーザーが初期推定値を提供する必要なく、ロバストに解く方法は何か？
• RQ2 どのようなアルゴリズム的改善が、他の軌道最適化手法が陥りがちな局所的最小値を回避できるのか？
• RQ3 解析的勾配情報がなくても、スクリーニング的ベースの最適制御ソルバーが、検証可能な精度と妥当性に到達できる範囲はどの程度か？
• RQ4 コアアルゴリズムは、リソースが限られたハードウェアに埋め込み可能で、リアルタイム最適制御アプリケーションに応用可能か？
• RQ5 DIDOにおけるハミルトニアン中心のアプローチは、従来の直接法や間接法と比べて、性能と信頼性において根本的にどのように異なるのか？

主な発見

• DIDOのアルゴリズムは、挑戦的なロボット工学分野の軌道最適化問題において、他の手法が失敗する状況でも局所的最小値を回避し、ロバスト性を示した。
• 250ポイントのグリッドでは1状態変数あたり約1 MBのメモリコストであり、1,000ポイントでは1状態変数あたり約10 MBとなる。これにより、低メモリ環境への展開が可能である。
• ユーザーが提供する勾配や初期推定値、高性能コンピュータリソースを一切必要とせず、高い計算速度と精度を達成した。
• 最適性の検証可能性は、ポンティリャーギンの原理から得られる全必要条件を出力することで保証され、最適性の独立的検証が可能である。
• リアルタイム制御アプリケーションにおける概念実証として、信号サンプリング周波数と最適制御の周波数成分が一致するように調整することで、低性能マイコンプロセッサへの埋め込みが実証された。
• ハミルトニアンプログラミングに基づくアルゴリズムの基盤のおかげで、他のソルバーが苦戦する困難な微分代数方程式問題を解くことができ、航空宇宙分野にとどまらず、量子制御や自動車設計分野でも有効である。