[논문 리뷰] DiffPD: Differentiable Projective Dynamics with Contact.

Tao Du, Kui Wu외 5명|arXiv (Cornell University)|2021. 01. 15.

Model Reduction and Neural Networks인용 수 10

한 줄 요약

DiffPD는 프로젝티브 다이내믹스의 암시적 시간 적분과 사전 분해된 코レス키 분해를 활용하여 역전파를 가속화하는 미분 가능 소프트 바디 시뮬레이터이다. 이로 인해 표준 뉴턴 방법 대비 4–19배의 속도 향상을 달성한다. 낮은 질량의 LCP 설정을 통해 접촉력에 대한 기울기를 효율적으로 계산하며, 소프트 바디 응용 분야에서 빠른 학습과 제어를 가능하게 한다.

ABSTRACT

We present a novel, fast differentiable simulator for soft-body learning and control applications. Existing differentiable soft-body simulators can be classified into two categories based on their time integration methods. Simulators using explicit time-stepping scheme require tiny time steps to avoid numerical instabilities in gradient computation, and simulators using implicit time integration typically compute gradients by employing the adjoint method to solve the expensive linearized dynamics. Inspired by Projective Dynamics (PD), we present DiffPD, an efficient differentiable soft-body simulator with implicit time integration. The key idea in DiffPD is to speed up backpropagation by exploiting the prefactorized Cholesky decomposition in PD to achieve a super-linear convergence rate. To handle contacts, DiffPD solves contact forces by analyzing a linear complementarity problem (LCP) and its gradients. With the assumption that contacts occur on a small number of nodes, we develop an efficient method for gradient computation by exploring the low-rank structure in the linearized dynamics. We evaluate the performance of DiffPD and observe a speedup of 4-19 times compared to the standard Newton's method in various applications including system identification, inverse design problems, trajectory optimization, and closed-loop control.

연구 동기 및 목표

• 특히 접촉이 많은 상황에서 발생하는 기울기 계산의 높은 계산 비용을 해결하기 위해.
• 기존의 미분 가능 시뮬레이터에서의 명시적 시간 스텝(작은 시간 간격)과 인접법 기반 방법(비용이 큰 선형 해법)의 한계를 극복하기 위해.
• 소프트 바디 시스템에 대한 체계적 신뢰도 확보, 역설계, 궤도 최적화, 닫힌 루프 제어를 효율적으로 가능하게 하기 위해.
• 프로젝티브 다이내믹스에서 접촉력의 저랭크 구조를 활용하여 코レス키 분해 재사용을 통해 기울기 계산을 가속화하기 위해.
• 역전파의 계산 오버헤드를 크게 줄이면서도 정확도를 유지하는 미분 가능 시뮬레이터를 개발하기 위해.

제안 방법

• 수치적 안정성을 보장하고 효율적인 선형 해법을 가능하게 하기 위해 기반 시간 적분 기법으로 프로젝티브 다이내믹스(PD)를 사용한다.
• PD에서 얻은 사전 분해된 코レス키 분해를 활용하여 역전파를 가속화하고, 기울기 계산에서 초선형 수렴을 달성한다.
• 접촉력을 선형 보완 문제(LCP)로 모델링하고, LCP 해의 민감도 분석을 통해 기울기를 계산한다.
• 접촉이 소수의 노드에만 영향을 주기 때문에 선형화된 동역학의 저랭크 구조를 활용하여 헤시안-벡터 곱의 계산 비용을 감소시킨다.
• 전방 시뮬레이션 및 역전파 중 비선형 시스템을 해결하기 위해 코レス키 기반의 인수 재사용을 적용한 수정 뉴턴 방법을 적용한다.
• 시스템 매개변수에 대한 LCP 해의 기울기를 유도함으로써 접촉 처리를 미분 가능 프레임워크에 통합한다.

실험 결과

연구 질문

• RQ1 프로젝티브 다이내믹스의 암시적 시간 적분이 미분 가능 소프트 바디 시뮬레이션에서 기울기 계산을 가속화하는 데 활용될 수 있는가?
• RQ2 높은 계산 비용 없이도 미분 가능 시뮬레이터에서 접촉력과 그 기울기를 효율적으로 계산할 수 있는가?
• RQ3 접촉에 의해 유도된 변형의 저랭크 구조가 역전파 시 헤시안-벡터 곱의 비용을 어느 정도 감소시킬 수 있는가?
• RQ4 제안된 방법이 다양한 학습 및 제어 작업에서 표준 뉴턴 방법 대비 뚜렷한 속도 향상을 달성할 수 있는가?
• RQ5 시스템 신뢰도 확보 및 궤도 최적화와 같은 실제 응용 분야에서 이 미분 가능 시뮬레이터의 성능은 어떠한가?

주요 결과

• DiffPD는 다양한 응용 분야에서 표준 뉴턴 방법 대비 기울기 계산에서 4–19배의 속도 향상을 달성한다.
• 사전 분해된 코レス키 분해의 사용으로 인해 역전파에서 초선형 수렴이 가능해져, 각 역전파 단계의 소요 시간이 크게 감소한다.
• 접촉력의 저랭크 구조를 활용함으로써, 접촉이 많은 상황에서 기울기 계산의 계산 비용을 감소시킨다.
• 높은 정확도를 유지하면서도 체계적 신뢰도 확보, 역설계, 궤도 최적화, 닫힌 루프 제어 등에서 효율적인 학습과 제어를 가능하게 한다.
• LCP 기반의 접촉 설정은 안정적이고 미분 가능한 접촉 처리를 가능하게 하여 현실적인 소프트 바디 동역학 시뮬레이션에 필수적이다.
• 다수의 접촉을 포함하는 복잡한 소프트 바디 시스템에 대해서도 효과적으로 스케일링되며, 실제 벤치마크에서 강력하고 효율적인 성능을 보여준다.