[論文レビュー] Full-Body Torque-Level Non-linear Model Predictive Control for Aerial Manipulation

Josep Martí-Saumell, Joan Solà+2 more|arXiv (Cornell University)|Jul 8, 2021

Robotic Locomotion and Control参考文献 47被引用数 4

ひとこと要約

本稿では、ヒューマノイドおよび脚部ロボットの分野から取り入れた技術を応用し、無人航空アーム（UAM）に対して、全身的かつトルクレベルの非線形Model Predictive Control（nMPC）フレームワークを提案する。3種類のnMPCバリエーション（Weighted、Rail、Carrot MPC）を導入し、シミュレーションにおいて安定的で高動的特性を示す運動計画と制御を実現。標準CPU上でリアルタイムでの解法が確認され、既存のハードウェアを用いた実世界への展開可能性も示された。

ABSTRACT

Non-linear model predictive control (nMPC) is a powerful approach to control complex robots (such as humanoids, quadrupeds, or unmanned aerial manipulators (UAMs)) as it brings important advantages over other existing techniques. The full-body dynamics, along with the prediction capability of the optimal control problem (OCP) solved at the core of the controller, allows to actuate the robot in line with its dynamics. This fact enhances the robot capabilities and allows, e.g., to perform intricate maneuvers at high dynamics while optimizing the amount of energy used. Despite the many similarities between humanoids or quadrupeds and UAMs, full-body torque-level nMPC has rarely been applied to UAMs. This paper provides a thorough description of how to use such techniques in the field of aerial manipulation. We give a detailed explanation of the different parts involved in the OCP, from the UAM dynamical model to the residuals in the cost function. We develop and compare three different nMPC controllers: Weighted MPC, Rail MPC, and Carrot MPC, which differ on the structure of their OCPs and on how these are updated at every time step. To validate the proposed framework, we present a wide variety of simulated case studies. First, we evaluate the trajectory generation problem, i.e., optimal control problems solved offline, involving different kinds of motions (e.g., aggressive maneuvers or contact locomotion) for different types of UAMs. Then, we assess the performance of the three nMPC controllers, i.e., closed-loop controllers solved online, through a variety of realistic simulations. For the benefit of the community, we have made available the source code related to this work.

研究の動機と目的

• ヒューマノイドおよび脚部ロボット分野で用いられる全身的かつトルクレベルの非線形Model Predictive Control（nMPC）を、これまでこの文脈でほとんど無視されてきた無人航空アーム（UAM）に適応すること。
• 攻撃的かつダイナミックな操縦、接触を伴う作業、動的荷重取り扱いといった複雑な制御タスクを、統一された予測最適制御フレームワークで統合すること。
• 標準CPUおよび既存のハードウェアを用いて、UAMにおけるオンラインnMPCの実現可能性を示し、リアルタイムで、ダイナミックかつエネルギー効率の良い制御を可能にすること。
• 研究開発を促進するため、完全で拡張可能かつオープンソースの実装を提供すること。

提案手法

• UAMの全身的動力学モデル（マルチコプター基板と多自由度アームを含む）を定式化し、最適制御問題（OCP）における正確な予測を可能にする。
• OCP構造と更新メカニズムが異なる3種類のnMPCコントローラー（Weighted、Rail、Carrot MPC）を設計し、それぞれ有限時間窓内でトルク入力を最適化する。
• 非線形OCPの数値解法として微分動的プログラミング（DDP）を採用し、最適制御入力への高速かつ反復的収束を実現する。
• ペナルティ法およびバリア関数を用いて、関節制限、接触力、アクチュエータの飽和といったハード制約をOCPに直接統合する。
• 不確実性やパrameterの変動に強い耐性を高めるために、オンラインモデル同定と外乱推定を統合する。
• 連続時間OCPを離散化するための直接的トランスcription法を採用し、効率的な数値積分と勾配計算を可能にする。

実験結果

リサーチクエスチョン

• RQ1 UAMの動的複雑性と不安定性を考慮すると、全身的かつトルクレベルの非線形Model Predictive Control（nMPC）が、実際に有効に適用可能であるか。
• RQ2 異なるOCP定式化（Weighted、Rail、Carrot MPC）は、空中アーム操作において安定性、収束性、性能の観点でどのように比較されるか。
• RQ3 全身的動力学と非線形最適化の計算要求を考慮すると、標準組み込みCPU上でリアルタイムnMPCの解法が可能か。
• RQ4 本フレームワークは、「Eagle’s Catch」や攻撃的移動タスクといった複雑で高動的な操縦を安定的かつエネルギー効率よく処理できるか。
• RQ5 既存のハードウェア（モーター、パwrエレクトロニクス、CPU）が、本nMPCフレームワークを用いたトルク制御UAMの実装をどの程度サポートできるか。

主な発見

• 3種類のnMPCバリエーション（Weighted、Rail、Carrot MPC）は、すべてのシミュレーションタスク（攻撃的操縦、接触を伴う作業を含む）において安定的かつ高精度な制御を達成した。
• 平均解法時間は3 ms未満（4-Displacementでは2.58 ms、Eagle’s Catchでは2.02 ms）、平均反復回数は2回未満であり、リアルタイム実現可能性が裏付けられた。
• すべてのコントローラーは平均4回以内の反復で収束し、外部の摂動下でも最大解法時間20 ms未満であった。これにより、耐障害性と計算効率が確認された。
• 本フレームワークは「Eagle’s Catch」のような複雑なタスクを効果的に処理できた。このタスクではUAMが空中でボールをキャッチしながらも安定飛行を維持した。これは、高いダイナミック能力を示している。
• 本研究は、Intel NUC CPU、Pixhawk-4フライトコントローラー、オープンソースのトルク制御アームといった既存のハードウェアが、実際のUAMに向けた全身nMPCの実装を支えることができることを確認した。
• オープンソースのコードベースにより、再現性が確保され、将来的な拡張が可能である。オンラインモデル同定や外乱推定の統合も可能性を有する。