[논문 리뷰] Co-Designing Robots by Differentiating Motion Solvers.

Traiko Dinev, Carlos Mastalli외 3명|arXiv (Cornell University)|2021. 03. 08.

Robotic Locomotion and Control참고 문헌 21인용 수 6

한 줄 요약

이 논문은 운동 해소기의 미분을 통해 다리 달린 로봇의 형태와 동적 보행을 동시에 최적화하는 이중 최적화 프레임워크를 소개한다. 이는 단순화된 가정 없이 빠르고 스케일이 잘 되며 제약 조건을 고려한 설계를 가능하게 하며, 샘플링 기반 방법보다 3분의 1 이내의 반복 수로 수렴하고 선형 계산 스케일링을 보인다.

ABSTRACT

We present a novel algorithm for the computational co-design of legged robots and dynamic maneuvers. Current state-of-the-art approaches are based on random sampling or concurrent optimization. A few recently proposed methods explore the relationship between the gradient of the optimal motion and robot design. Inspired by these approaches, we propose a bilevel optimization approach that exploits the derivatives of the motion planning sub-problem (the inner level) without simplifying assumptions on its structure. Our approach can quickly optimize the robot's morphology while considering its full dynamics, joint limits and physical constraints such as friction cones. It has a faster convergence rate and greater scalability for larger design problems than state-of-the-art approaches based on sampling methods. It also allows us to handle constraints such as the actuation limits, which are important for co-designing dynamic maneuvers. We demonstrate these capabilities by studying jumping and trotting gaits under different design metrics and verify our results in a physics simulator. For these cases, our algorithm converges in less than a third of the number of iterations needed for sampling approaches, and the computation time scales linearly.

연구 동기 및 목표

• 샘플링 기반 및 동시 최적화 방법이 다리 달린 로봇과 동적 조작을 동시에 설계하는 데 가지는 한계를 해결하기 위해.
• 운동 계획 문제의 전체 동적 정밀도, 관절 제한, 마찰 원추 등 물리적 제약 조건을 유지하면서도 로봇 형태 최적화를 효율적으로 수행하기 위해.
• 기존 접근 방식에서 자주 간과되는 중요한 구동 제한 조건을 동시에 설계 과정에 통합하기 위해.
• 대규모 설계 문제에 대해 최신 샘플링 기반 방법보다 더 빠른 수렴 속도와 우수한 확장성을 달성하기 위해.
• 물리 시뮬레이션을 통해 다양한 설계 지표 하에서 점프 및 토팅과 같은 동적 보행에 대해 방법을 검증하기 위해.

제안 방법

• 이 방법은 외부 최적화 레벨에서 로봇 형태를 최적화하고 내부 최적화 레벨에서 운동 계획 문제를 해결하는 이중 최적화 프레임워크를 사용한다.
• 운동 해소기의 해법 과정을 미분함으로써 내부 문제의 구조에 대한 단순화된 가정 없이 기울기 기반의 로봇 설계 업데이트를 가능하게 한다.
• 이 방법은 관절 제한, 마찰 원추, 구동 제한과 같은 제약 조건을 최적화 파이프라인 내에서 명시적으로 처리한다.
• 운동 해소기의 해법에 대한 분석적 기울기를 활용함으로써 유한 차분 근사나 무작위 샘플링이 필요 없어진다.
• 알고리즘은 문제 크기와 선형적으로 스케일링되어 복잡한 설계 공간의 효율적 탐색을 가능하게 한다.
• 이 프레임워크는 점프 및 토팅과 같은 동적 보행을 위한 물리 시뮬레이터에서 구현되고 검증되었다.

실험 결과

연구 질문

• RQ1 운동 해소기의 해법을 미분하는 이중 최적화 프레임워크가 다리 달린 로봇과 동적 보행의 동시에 설계를 더 빠르고 스케일이 잘 되게 할 수 있는가?
• RQ2 샘플링 기반 방법과 비교할 때 제안된 방법의 수렴 속도와 확장성은 어떠한가?
• RQ3 마찰 원추 및 구동 제한과 같은 물리적 제약 조건이 동시에 설계 과정에 얼마나 효과적으로 통합될 수 있는가?
• RQ4 운동 계획 하위 문제에 대한 단순화된 가정 없이도 이 알고리즘이 전체 동적 정밀도를 유지하면서 기울기 기반의 로봇 형태 최적화를 효율적으로 수행할 수 있는가?
• RQ5 다양한 설계 지표 하에서 이 방법이 점프 및 토팅과 같은 동적 조작과 함께 로봇 설계를 성공적으로 동시에 최적화할 수 있는가?

주요 결과

• 제안된 방법은 동일한 설계 문제에 대해 샘플링 기반 방법보다 필요한 반복 수의 3분의 1 이내로 수렴한다.
• 계산 시간은 문제 크기와 선형적으로 증가하여 샘플링 방법 대비 뛰어난 확장성을 보여준다.
• 이 방법은 마찰 원추, 관절 제한, 구동 제한과 같은 핵심 물리적 제약 조건을 동시에 설계 파이프라인에 성공적으로 통합한다.
• 운동 계획 하위 문제에 대한 단순화된 가정 없이도 알고리즘이 전체 동적 정밀도를 유지한다.
• 물리 시뮬레이션을 통해 다양한 설계 지표 하에서 점프 및 토팅과 같은 동적 보행의 효과적인 동시에 설계가 가능하다.
• 운동 해소기에서 유도된 기울기 정보의 사용은 더 빠른 수렴과 설계 공간의 더 효율적 탐색을 이끈다.