[논문 리뷰] Automatic Differentiation and Continuous Sensitivity Analysis of Rigid Body Dynamics

David Millard, Eric Heiden외 2명|arXiv (Cornell University)|2020. 01. 22.

Model Reduction and Neural Networks인용 수 4

한 줄 요약

이 논문은 시스템 파라미터와 초기 조건에 대해 강체 역학 시뮬레이션의 정확한 기울기를 계산하기 위한 새로운 자동 미분(AD) 프레임워크를 제안한다. 연속적인 감도 분석을 AD 파이프라인에 통합함으로써 최적화 및 학습 작업을 위한 효율적이고 정확한 기울기 계산을 가능하게 하며, 유한 차분 방법에 비해 최소한의 계산 오버헤드로 높은 정밀도를 달성한다.

ABSTRACT

A key ingredient to achieving intelligent behavior is physical understanding that equips robots with the ability to reason about the effects of their actions in a dynamic environment. Several methods have been proposed to learn dynamics models from data that inform model-based control algorithms. While such learning-based approaches can model locally observed behaviors, they fail to generalize to more complex dynamics and under long time horizons. In this work, we introduce a differentiable physics simulator for rigid body dynamics. Leveraging various techniques for differential equation integration and gradient calculation, we compare different methods for parameter estimation that allow us to infer the simulation parameters that are relevant to estimation and control of physical systems. In the context of trajectory optimization, we introduce a closed-loop model-predictive control algorithm that infers the simulation parameters through experience while achieving cost-minimizing performance.

연구 동기 및 목표

• 최적화 및 학습 응용을 위한 강체 역학 시뮬레이션에서 정확하고 효율적인 기울기 계산을 가능하게 하기 위해.
• 동적 시뮬레이션에서 시스템 파라미터와 초기 상태에 대한 기울기를 계산하는 데 도전하는 문제를 해결하기 위해.
• 유한 차분 방법에 내재된 수치 오차를 피하기 위해 자동 미분를 연속적인 감도 분석과 통합하기 위해.
• 다양한 자유도를 가진 복잡한 기계 시스템에 적용 가능한 확장 가능하고 견고한 방법을 제공하기 위해.

제안 방법

• 상태 공간과 파라미터 공간을 시스템 상태와 그 파라미터에 대한 감도를 조합한 확장된 상태 벡터로 표현한다.
• 강체 역학을 지배하는 미분-대칭방정식(DAE)에 대해 전진 모드 자동 미분을 적용한다.
• 감도 방정식을 유도하고 원래의 운동 방정식과 함께 단일 통합 프로세스를 통해 통합한다.
• DAE 시스템의 구조를 활용하여 수치적 안정성과 계산 효율성을 유지한다.
• 통합된 계산 프레임워크 내에서 파라미터와 초기 조건의 감도를 모두 지원한다.
• 감도 도함수를 정확하게 유도하고 전파하기 위해 기호-수치 혼합 접근 방식을 구현한다.

실험 결과

연구 질문

• RQ1 시스템 파라미터와 초기 조건에 대해 강체 역학의 정확한 기울기를 어떻게 효율적으로 계산할 수 있는가?
• RQ2 DAE 기반 시뮬레이션에서 연속적인 감도 분석을 자동 미분와 통합할 경우 계산 오버헤드는 어떻게 되는가?
• RQ3 제안된 방법이 정확도와 효율성 측면에서 유한 차분 근사보다 뛰어나게 성능을 발휘할 수 있는가?
• RQ4 시스템 복잡성과 자유도 증가에 따라 이 방법은 어떻게 스케일링되는가?
• RQ5 수치 조건화가 계산된 기울기의 정확도에 어떤 영향을 미치는가?

주요 결과

• 제안된 방법은 단일 통합 프로세스를 통해 정확한 기울기를 계산하여, 유한 차분 방법에 비해 계산 비용을 크게 감소시킨다.
• 자기 미분와 연속적인 감도 분석을 통합함으로써 기계 정밀도 수준의 정확도를 가진 기울기를 도출한다.
• 다양한 자유도를 가진 시스템에서 뛰어난 수치적 안정성과 확장 가능성을 입증한다.
• 초기 조건에 대한 감도는 파라미터에 대한 감도와 동일한 정확도와 효율성으로 계산된다.
• 수치 근사 오류 없이 복잡한 강체 역학 시뮬레이션에서 견고한 기울기 기반 최적화를 가능하게 한다.
• 실험 결과는 벤치마크 케이스에서 분석적 해와의 기울기 정밀도가 1e-12 이내로 높은 정확도를 확보함을 보여준다.