[論文レビュー] PYROBOCOP: Python-based Robotic Control & Optimization Package for Manipulation

Arvind U. Raghunathan, Devesh K. Jha+1 more|arXiv (Cornell University)|Mar 18, 2022

Model Reduction and Neural Networks被引用数 5

ひとこと要約

PYROBOCOP は、補完性定式化を用いて接触および衝突制約をモデル化する Python ベースの最適化パッケージであり、有限要素上の直交コロケーションを介して非線形 DAE を直接変換可能である。ADOL-C を用いたスパースな自動微分と IPOPT を用いた MPCC の解法を統合し、最小時間および障害物回避を目的とした接触豊富なタスクにおける効果的な軌道最適化、パrameter推定、モードシーケンス計画を実現した。

ABSTRACT

PYROBOCOP is a Python-based package for control, optimization and estimation of robotic systems described by nonlinear Differential Algebraic Equations (DAEs). In particular, the package can handle systems with contacts that are described by complementarity constraints and provides a general framework for specifying obstacle avoidance constraints. The package performs direct transcription of the DAEs into a set of nonlinear equations by performing orthogonal collocation on finite elements. PYROBOCOP provides automatic reformulation of the complementarity constraints that are tractable to NLP solvers to perform optimization of robotic systems. The package is interfaced with ADOL-C[1] for obtaining sparse derivatives by automatic differentiation and IPOPT[2] for performing optimization. We evaluate PYROBOCOP on several manipulation problems for control and estimation.

研究の動機と目的

• 接触および衝突制約を伴うロボットシステムの最適化に向けたオープンソースで Python ネイティブなツールの不足に対処すること。
• 単一側接触、摩擦相互作用、障害物回避を補完性制約を用いて統一的にモデル化するフレームワークを提供すること。
• 補完性制約を有する非線形 DAE を直接変換し、効率的な軌道最適化を可能とすること。
• 最小時間問題、変動するモードシーケンスの最適化、線形補完性システムにおけるパrameter推定をサポートすること。
• ロボット操作におけるモデルベース制御および推定のための軽量かつ強力なインターフェースを提供すること。

提案手法

• 接触および障害物を伴うロボットシステムを、補完性制約を有する非線形 DAE として定式化する。
• 有限要素上の直交コロケーションを用いた直接変換により、DAE を非線形計画問題（NLP）に変換する。
• NLP ソルバに適した形に保つために、補完性制約を適応的リラクゼーション技術を用いて再定式化する。
• ADOL-C を統合し、スパースかつ高精度な導関数を自動微分により計算する。
• 得られた MPCC（補完性制約を伴う数学的計画問題）を解くために、IPOPT を NLP ソルバとして使用する。
• シンプルな Python インターフェースを通じてユーザー定義の運動方程式および制約をサポートし、さまざまな操作タスクに即座に最適化を適用可能にする。

実験結果

リサーチクエスチョン

• RQ1 Python ベースの最適化フレームワークは、補完性制約を伴う接触豊富なロボット操作問題を効果的に処理できるか？
• RQ2 補完性に基づく障害物回避は、ロボットシステムの軌道最適化にどの程度統合可能か？
• RQ3 PYROBOCOP は、未知のモードシーケンスおよび時間区間を有する最小時間軌道最適化をサポートできるか？
• RQ4 特にノイズの高いデータ下でも、補完性制約を伴うシステムにおいてパrameter推定をどの程度正確に行えるか？
• RQ5 ADOL-C と IPOPT の統合は、ロボット制御最適化における性能およびスケーラビリティにどのような影響を与えるか？

主な発見

• PYROBOCOP は、2 つの異なるモードを有する最小時間押し出しタスクを成功裏に最適化し、合計時間 12.92 秒（モード 1 で 12.36 秒、モード 2 で 0.56 秒）を達成した。連続的な力学的挙動と適切なモード遷移を実現した。
• 低ノイズ条件下で、柔らかい壁を有するカートポール系において、システム同定フレームワークが質量およびばね定数を正確に推定した。ノイズが低下するにつれて推定誤差は減少した。
• モンテカルロシミュレーションの結果、0.0001～0.01 のノイズレベルではパラメータ推定が安定したが、0.05 のノイズでは著しく発散した。高ノイズに対する感受性が示された。
• 統一的な補完性定式化により、複雑な接触ダイナミクスと衝突回避を効果的に処理できることが実証された。
• PYROBOCOP は、固定モードおよび変動モードシーケンス問題の両方を効率的に最適化でき、モード間の最適な時間配分も可能にした。
• ADOL-C と IPOPT の統合により、高精度な導関数計算と MPCC の有効な解法が可能になったが、収束は良好な初期化に依存する。