[논문 리뷰] ChainQueen: A Real-Time Differentiable Physical Simulator for Soft Robotics

Yuanming Hu, Jiancheng Liu외 6명|arXiv (Cornell University)|2018. 10. 02.

Fluid Dynamics Simulations and Interactions참고 문헌 23인용 수 16

한 줄 요약

ChainQueen은 이동 최소 제곱 재료점 방법(Moving Least Squares Material Point Method, MLS-MPM) 기반으로 한 실시간, 미분 가능한 물리 시뮬레이터로, 연성 로봇 공학을 위한 효율적인 정방향 시뮬레이션과 역방향 기울기 계산을 가능하게 한다. 최신 기술 수준의 시뮬레이터 대비 4–9배의 속도 향상을 달성하면서도 높은 정밀도를 유지하며, 제어, 설계 및 복합 연성 로봇 작업의 시스템 공동 설계를 위한 기울기 기반 최적화를 지원한다.

ABSTRACT

Physical simulators have been widely used in robot planning and control. Among them, differentiable simulators are particularly favored, as they can be incorporated into gradient-based optimization algorithms that are efficient in solving inverse problems such as optimal control and motion planning. Simulating deformable objects is, however, more challenging compared to rigid body dynamics. The underlying physical laws of deformable objects are more complex, and the resulting systems have orders of magnitude more degrees of freedom and therefore they are significantly more computationally expensive to simulate. Computing gradients with respect to physical design or controller parameters is typically even more computationally challenging. In this paper, we propose a real-time, differentiable hybrid Lagrangian-Eulerian physical simulator for deformable objects, ChainQueen, based on the Moving Least Squares Material Point Method (MLS-MPM). MLS-MPM can simulate deformable objects including contact and can be seamlessly incorporated into inference, control and co-design systems. We demonstrate that our simulator achieves high precision in both forward simulation and backward gradient computation. We have successfully employed it in a diverse set of control tasks for soft robots, including problems with nearly 3,000 decision variables.

연구 동기 및 목표

• 높은 자유도, 복잡한 접촉 역학, 높은 계산 비용으로 인해 연성 로봇 공학에서 유연체를 시뮬레이션하는 데 도전 과제를 해결하기 위해.
• 역문제인 최적 제어 및 운동 계획과 같은 최적화를 위한 기울기 기반 기법을 가능하게 하는 미분 가능한 시뮬레이터를 개발하기 위해.
• 물리적으로 타당한 GPU 가속화 프레임워크 내에서 상태 변수 및 모델 파라미터에 대해 실시간 성능과 정확한 기울기를 동시에 확보하기 위해.
• 컨트롤러 설계, 물리적 성질 추론, 기하학, 재료 및 제어의 공동 설계와 같은 연성 로봇 공학의 새로운 응용 분야를 지원하기 위해.
• 저수준 구현 전문 지식 없이도 연구자 및 전문가들이 연성 로봇 시스템을 개발할 수 있도록 사용자 친화적인 오픈소스 도구 체인을 제공하기 위해.

제안 방법

• 대규모 변형 및 접촉 처리를 위해 라그랑주 입자와 오일러 메esh를 결합한 효율적인 프레임워크로, 핵심 시뮬레이션 프레임워크로 이동 최소 제곱 재료점 방법(Moving Least Squares Material Point Method, MLS-MPM)을 사용한다.
• 상태 변수(예: 위치, 속도) 및 모델 파라미터(예: 엘라스티스티 모odulus, 밀도, 질량)에 대해 MLS-MPM 시뮬레이터의 완전한 미분 가능성(전체 기울기)을 도입한다.
• 사슬 법칙을 사용한 역전파를 통해 분석적 기울기를 유도하며, 에너지, 힘, 제약 조건(마찰 및 접촉 포함)의 기울기에 대한 폐쇄형 표현식을 도출한다.
• 기존 연구에서 확보된 고성능 MPM 최적화 기법을 활용하고 GPU 가속화를 통해 계산 성능을 최적화한다.
• 자기 접촉, 대규모 변형, 연성 로봇에서 흔한 재료 전이를 자연스럽게 지원하는 하이브리드 라그랑주-오일러 형식을 구현한다.
• 그리드에서 입자(G2P), 입자에서 그리드(P2G), 마찰 투영을 포함한 모든 시뮬레이션 단계를 종합적으로 미분 가능하게 구현하여, 최종 상태에서 초기 파라미터로의 기울기 흐름을 보장한다.

실험 결과

연구 질문

• RQ1 연성 로봇 공학을 위한 미분 가능한 물리 시뮬레이터가 정방향 시뮬레이션과 기울기 계산의 높은 정밀도를 유지하면서도 실시간 성능을 달성할 수 있는가?
• RQ2 복잡한 연성 로봇 제어 및 설계 작업에서 수천 개의 결정 변수를 가진 경우, 미분 가능한 시뮬레이터가 기울기 기반 최적화를 얼마나 효과적으로 지원할 수 있는가?
• RQ3 MLS-MPM 프레임워크의 미분 가능성은 시스템 식별 및 로봇 기하학, 재료, 제어의 공동 설계와 같은 역문제를 얼마나 잘 지원하는가?
• RQ4 접촉과 대규모 변형을 포함한 탄성 물체에 대해 기존 최신 기술 수준의 시뮬레이터와 비교했을 때, 제안된 시뮬레이터의 속도와 정밀도는 어떠한가?
• RQ5 고수준 파이썬 워크플로우에 효과적으로 통합되어 저수준 구현 지식 없이도 사용자에게 친화적인 연성 로봇 시스템 개발을 가능하게 할 수 있는가?

주요 결과

• ChainQueen은 현재 최신 기술 수준의 미분 가능한 시뮬레이터 대비 정방향 시뮬레이션과 기울기 계산의 정밀도를 유지하면서도 4–9배의 속도 향상을 달성한다.
• 실수 3,000개가 넘는 결정 변수를 가진 연성 로봇 컨트롤러의 최적화를 성공적으로 수행하여, 복잡한 역문제에 대한 확장성을 입증한다.
• 기울기 계산은 정확하고 효율적이며, 접촉, 마찰, 재료력 등 모든 구성 요소에 대해 역전파를 통해 분석적 기울기를 도출한다.
• 수치적 및 실험적 검증을 통해 ChainQueen이 실제 물리적 거동과 변형, 접촉, 동적 반응에서 매우 유사한 결과를 보임을 확인한다.
• 시스템 식별 작업을 성공적으로 지원하여 관측된 운동에서 엘라스티스티 모odulus, 밀도, 질량 등의 물리적 성질을 추론할 수 있다.
• 고수준 파이썬 스크립트와의 통합을 통해 사용자에게 친화적인 개발 환경을 제공하며, 코드와 데이터는 오픈소스로 공개되어 보다 넓은 로봇 공동체의 혜택을 받을 수 있다.