[論文レビュー] Sampling-based Model Predictive Control Leveraging Parallelizable Physics Simulations

Corrado Pezzato, Chadi Salmi+4 more|arXiv (Cornell University)|Jul 18, 2023

Robotic Path Planning Algorithms被引用数 6

ひとこと要約

本論文は、動的モデルとしてGPU並列処理が可能なIsaacGym物理シミュレータを用いる、トレーニング不要でサンプリングベースのModel Predictive Path Integral (MPPI)制御フレームワークを提案する。これにより、明示的な動的モデルおよび接触モデリングの必要性が排除される。シミュレーション内で並列でリアルタイムに軌道ロールアウトを実行できることで、非抓取的マニピュレーションや全身運動計画など、接触が豊富な複雑なタスクに対し、ロバストで汎用性の高い制御が可能となり、7-DOFマニピュレータと全方向移動型ベースを用いた実世界への成功した転送が、タスク特化のチューニングなしで25Hzで達成された。

ABSTRACT

We present a method for sampling-based model predictive control that makes use of a generic physics simulator as the dynamical model. In particular, we propose a Model Predictive Path Integral controller (MPPI), that uses the GPU-parallelizable IsaacGym simulator to compute the forward dynamics of a problem. By doing so, we eliminate the need for explicit encoding of robot dynamics and contacts with objects for MPPI. Since no explicit dynamic modeling is required, our method is easily extendable to different objects and robots and allows one to solve complex navigation and contact-rich tasks. We demonstrate the effectiveness of this method in several simulated and real-world settings, among which mobile navigation with collision avoidance, non-prehensile manipulation, and whole-body control for high-dimensional configuration spaces. This method is a powerful and accessible open-source tool to solve a large variety of contact-rich motion planning tasks.

研究の動機と目的

• 明示的な動的モデルや接触力学のモデリングを必要としない、汎用的でリアルタイムな制御フレームワークの開発。
• 押しうつしやマニピュレーションなどの接触が豊富なタスクに共通する非滑らかでハイブリッドな動的特性を扱う伝統的なMPCの限界を克服すること。
• 2次元エンドエフェクタ軌道に制限されない、直接的な高次元制御を可能にするために、関節速度のサンプリングを採用すること。
• シミュレーションの並列処理と適応的コスト関数チューニングを活用することで、実世界の状況へのロバスト性と転送性を向上させること。

提案手法

• 本手法は、IsaacGymを微分可能でGPU並列処理可能な物理シミュレータとして用い、サンプルされた入力シーケンスの前方軌道をリアルタイムにロールアウトする。
• 各制御ステップにおいて、シミュレータは現在のロボット状態にリセットされ、有限の時間区間TにわたりK=500個のランダムな入力シーケンスが適用され、候補となる軌道が生成される。
• MPPIは、重要度サンプリングとガウスノイズ摂動を用いて、サンプルされた軌道上でタスク固有のコスト関数を最小化することで最適な制御入力を計算する。
• 本手法は関節速度の直接サンプリングを採用しており、逆運動学や事前に定義されたエンドエフェクタパスに依存せずに、全身的かつ高自由度の制御を可能にする。
• フレームワークはモジュール式に設計されており、動的モデル、接触、制約はすべて物理エンジンが暗黙的に処理する。コスト関数のみを定義すればよい。
• 本手法は25Hzでリアルタイム実行が可能であり、継続的な再計画により、外部の摂動に対してもオンラインで適応可能である。

実験結果

リサーチクエスチョン

• RQ1 物理シミュレータをブラックボックスな動的モデルとしてMPPIに用いることで、ロボット制御における明示的な接触および動的モデリングの必要性を排除できるか？
• RQ2 GPU並列化されたシミュレーションの使用が、高自由度システムにおけるサンプリングベースMPCのスケーラビリティとリアルタイム性能をどのように向上させるか？
• RQ3 本フレームワークは、動的モデルの再トレーニングや再チューニングなしに、異なるロボットやタスクにどれほど一般化できるか？
• RQ4 コスト関数の重みのみを再チューニングする場合、本手法は実世界の摂動やシミュレーションから実世界への転送に対してどれほどロバストか？
• RQ5 MPPIにおける直接的な関節速度サンプリングは、従来のエンドエフェクタ軌道ベースのアプローチに比べ、非抓取的マニピュレーションタスクで優れた性能を発揮できるか？

主な発見

• 本手法は、7-DOFマニピュレータと全方向移動型ベースにおいて25Hzのリアルタイム制御を達成し、シミュレーションと実世界の両方でタスク完了時間と最終位置誤差が同等の水準にとどまった。
• 実世界の押しうつしタスクでは、手動による摂動に対してもロバストであり、事前に定義されたプッシュャー・オブジェクトの配置に依存せずに、接触点を自動で補正・再配置できた。
• 接触が豊富なマニピュレーションタスクにおいて、ベースライン手法を上回る性能を発揮し、特に動的接触再構成や非抓取的マニピュレーションを要する状況で顕著であった。
• 実世界の押しうつしタスクにおける完了時間と最終位置誤差は、シミュレーション結果の10％以内に収まり、強いシミュレーションから実世界への転送性を示した。
• 接触なしのタスクでは最先端のプランナと同等の性能を達成した一方、接触が豊富な状況では著しく優れた性能を示した。
• 実世界への展開にあたっては、時間区間、サンプリング数、制御周波数、ランダム化戦略の変更なしに、コスト関数の再チューニングのみで対応可能であった。