[논문 리뷰] A Factor-Graph Approach for Optimization Problems with Dynamics Constraints

Mandy Xie, Alejandro Escontrela외 1명|arXiv (Cornell University)|2020. 11. 11.

Model-Driven Software Engineering Techniques참고 문헌 51인용 수 14

한 줄 요약

이 논문은 로봇 공학 분야의 최적화 문제, 특히 운동역학적 경로 계획 및 전체 신체 역학을 해결하기 위해 강체 역학을 인수 그래프로 모델링하는 그래픽 프레임워크인 동역학 인수 그래프(Dynamic Factor Graphs, DFGs)를 소개한다. 역학 제약 조건과 목적 함수를 인수로 표현함으로써, GTSAM과 같은 희소 비선형 해소기구를 사용하여 고차원 최적화를 효율적으로 수행할 수 있으며, 단순화된 역학 모델이나 사전에 알려진 역학 지식 없이도 카트폴에서 12-DoF 4족 보행로봇에 이르기까지의 시스템에 대해 성공적인 궤적 최적화를 구현한다.

ABSTRACT

In this paper, we introduce dynamics factor graphs as a graphical framework to solve dynamics problems and kinodynamic motion planning problems with full consideration of whole-body dynamics and contacts. A factor graph representation of dynamics problems provides an insightful visualization of their mathematical structure and can be used in conjunction with sparse nonlinear optimizers to solve challenging, high-dimensional optimization problems in robotics. We can easily formulate kinodynamic motion planning as a trajectory optimization problem with factor graphs. We demonstrate the flexibility and descriptive power of dynamics factor graphs by applying them to control various dynamical systems, ranging from a simple cart pole to a 12-DoF quadrupedal robot.

연구 동기 및 목표

• 로봇 공학 분야의 복잡한 역학 문제를 통합적이고 직관적인 그래픽 표현으로 모델링하기 위해.
• 단순화된 역학 모델에 의존하지 않고도 고차원의 운동역학적 제약 조건을 가진 경로 계획 문제를 최적화할 수 있도록 하기 위해.
• 역학 제약 조건, 부등식 제약 조건(예: 접촉, 관절 한계) 및 목적 함수(예: 최소 토크)를 하나의 최적화 프레임워크에 통합하기 위해.
• 다양한 로봇 시스템, 간단한 진자에서 복잡한 다리가 달린 로봇에 이르기까지 이 프레임워크의 유연성과 확장성을 입증하기 위해.
• 전문가가 맞춤형으로 설계한 역학 알고리즘이나 물리 엔진의 '블랙박스'를 피할 수 있는 즉시 사용 가능한 궤적 최적화 솔루션을 제공하기 위해.

제안 방법

• 강체 역학을 인수 그래프로 표현하여, 역학 방정식(예: 속도와 가속도 제약 조건)을 상태 변수(예: 관절 위치, 속도, 토크)에 대한 인수로 표현한다.
• 기본 역학 해소기구로 다리질량 알고리즘(ABA)과 복합강체질량 알고리즘(CRBA)을 사용하며, 이들을 인수 그래프 구조 내에 통합하여 일관성을 확보한다.
• 궤적의 매끄러움 제약 조건과 역학 제약 조건을 그래프에 추가함으로써 운동역학적 경로 계획 문제를 궤적 최적화 문제로 재구성한다.
• 접촉, 관절 한계 등 부등식 제약 조건을 허브 손실 표현식을 사용하여 통합하여 최적화 프레임워크 내에서 안전하고 타당한 해를 도출할 수 있도록 한다.
• GTSAM을 통한 최신 희소 비선형 최적화 기법을 활용하여, 인수 그래프에서 유도된 고차원 희소 방정식계를 효율적으로 해소한다.
• 카트폴, Kuka 암, 12-DoF 4족 보행로봇 등 다양한 시스템에 대해, 핵심 알고리즘과 해소기구 스택(GTSAM)을 변경하지 않고도 적절한 인수 유형과 목적 함수를 정의함으로써 프레임워크를 적용한다.

실험 결과

연구 질문

• RQ1 통합적인 그래픽 프레임워크는 고전적 역학 문제와 전체 역학을 고려한 복잡한 운동역학적 경로 계획 문제를 동시에 표현할 수 있는가?
• RQ2 어떻게 역학 제약 조건, 접촉력, 부등식 제약 조건을 인수 그래프 프레임워크 내에서 자연스럽게 표현하고 최적화할 수 있는가?
• RQ3 이 방법은 단순화된 역학 모델 없이도 다양한 로봇 시스템에 대해 정확하고 에너지 효율적이며 역학적으로 타당한 궤적을 생성할 수 있는가?
• RQ4 DFG 프레임워크는 모델 예측 제어나 단순화된 모델에 비해 개방형 실행 환경에서 궤적 정확도와 내구성에 얼마나 기여하는가?
• RQ5 다양한 복잡도의 시스템에 대해 동일한 최적화 파이프라인을 최소한의 재구성으로 재사용할 수 있는가?

주요 결과

• DFG 프레임워크는 정방향 및 역방향 역학 문제를 성공적으로 모델링하고 해결할 수 있으며, 특정 제거 순서를 통해 알려진 알고리즘(예: ABA, CRBA)을 재구성할 수 있다.
• 카트폴 시스템에서 DFGP가 생성한 궤적은 두 가지 설정 모두에서 위치 및 속도 목표를 매우 정밀하게 추적했으며, 오차가 최소한이었다.
• Kuka LBR iiwa에서 최소 토크 목표를 적용한 DFGP 해는 제약 조건이 없는 최적화 대비 2번과 4번 관절의 피크 토크를 최대 30% 감소시켜 에너지 효율성 향상을 확인했다.
• 12-DoF 4족 보행로봇의 경우, 최적화된 궤적이 개방형 실행 환경에서도 높은 추적 정확도를 달성했으며, 모델 불확실성에도 불구하고 실제 질량 중심 궤적이 목표 경로를 밀도 있게 따라갔다.
• 접촉 인수와 관절 한계 제약 조건의 통합으로, 4족 보행로봇이 육각형 경로를 따라 이동하는 동안 미끄럼이나 관절 위반 현상이 발생하지 않았다.
• 동일한 핵심 알고리즘과 해소기구 스택(GTSAM)을 사용하여, 2-DoF에서 12-DoF에 이르기까지 복잡도가 극명하게 다른 시스템에 대해 종단 간 적용 가능성을 입증했다.