[논문 리뷰] Full-Body Torque-Level Non-linear Model Predictive Control for Aerial Manipulation

Josep Martí-Saumell, Joan Solà외 2명|arXiv (Cornell University)|2021. 07. 08.

Robotic Locomotion and Control참고 문헌 47인용 수 4

한 줄 요약

이 논문은 무인 항공 매니퓰레이터(UAMs)를 위한 전체 신체, 토크 수준의 비선형 모델 예측 제어(nMPC) 프레임워크를 제안한다. 이는 인간형 및 다리가 있는 로봇에서 유래한 기법을 응용한 것으로, 시뮬레이션에서 안정적이고 고역동성의 운동 계획 및 제어를 입증하였으며, 표준 CPU에서 실시간 해법이 가능하고 기존 하드웨어를 활용한 실세계 구현 가능성도 확인하였다.

ABSTRACT

Non-linear model predictive control (nMPC) is a powerful approach to control complex robots (such as humanoids, quadrupeds, or unmanned aerial manipulators (UAMs)) as it brings important advantages over other existing techniques. The full-body dynamics, along with the prediction capability of the optimal control problem (OCP) solved at the core of the controller, allows to actuate the robot in line with its dynamics. This fact enhances the robot capabilities and allows, e.g., to perform intricate maneuvers at high dynamics while optimizing the amount of energy used. Despite the many similarities between humanoids or quadrupeds and UAMs, full-body torque-level nMPC has rarely been applied to UAMs. This paper provides a thorough description of how to use such techniques in the field of aerial manipulation. We give a detailed explanation of the different parts involved in the OCP, from the UAM dynamical model to the residuals in the cost function. We develop and compare three different nMPC controllers: Weighted MPC, Rail MPC, and Carrot MPC, which differ on the structure of their OCPs and on how these are updated at every time step. To validate the proposed framework, we present a wide variety of simulated case studies. First, we evaluate the trajectory generation problem, i.e., optimal control problems solved offline, involving different kinds of motions (e.g., aggressive maneuvers or contact locomotion) for different types of UAMs. Then, we assess the performance of the three nMPC controllers, i.e., closed-loop controllers solved online, through a variety of realistic simulations. For the benefit of the community, we have made available the source code related to this work.

연구 동기 및 목표

• 인간형 및 다리가 있는 로봇에서 유래한 전체 신체, 토크 수준의 비선형 모델 예측 제어(nMPC)를 무인 항공 매니퓰레이터(UAMs)에 적용함으로써, 이 분야에서 다수의 연구가 생략된 바를 메우고자 한다.
• 공격적인 동작, 접촉이 풍부한 작업, 동적 적재물 처리와 같은 복잡한 제어 과제들을 단일 예측 최적 제어 프레임워크로 통합하고자 한다.
• 표준 CPU와 기존 하드웨어를 사용하여 UAMs에 대한 온라인 nMPC 해법의 실현 가능성을 입증하고, 실시간, 동적, 에너지 효율적인 제어를 가능하게 하고자 한다.
• 연구 및 개발을 가속화하기 위해 완전하고 확장 가능하며 오픈소스로 제공되는 구현을 제공하고자 한다.

제안 방법

• UAM의 전체 신체 역학 모델을 수립하였으며, 다중콥터 기반과 다자유도 매니퓰레이터를 포함하여 최적 제어 문제(OCP)에서 정확한 예측을 가능하게 하였다.
• 세 가지 다른 nMPC 제어기—Weighted, Rail, Carrot MPC—를 개발하였으며, 각각 OCP의 구조와 업데이트 메커니즘이 상이하며, 유한한 시간 간격 동안 토크 입력을 최적화한다.
• 비선형 OCP의 수치적 해법으로 미분 동적 프rogram밍(DDP)을 사용하여 빠른 반복 수렴을 통해 최적 제어 입력을 도출하였다.
• 경계 조건, 접촉력, 액추에이터 포화와 같은 하드 제약 조건을 페널티 방법과 바리어 함수를 통해 OCP에 직접 통합하였다.
• 불확실성과 파rameter 변화에 대응하기 위해 온라인 모델 식별 및 외란 추정 기법을 통합하였다.
• 연속 시간 OCP를 이산화하기 위해 직접 전사 방법을 사용하여 효율적인 수치 적분과 기울기 계산을 가능하게 하였다.

실험 결과

연구 질문

• RQ1 UAMs의 동적 복잡성과 불안정성으로 인해, 전체 신체, 토크 수준의 비선형 모델 예측 제어(nMPC)가 효과적으로 적용될 수 있는가?
• RQ2 다양한 OCP 구성—Weighted, Rail, Carrot MPC—간에 공중 매니퓰레이션 과제에서 안정성, 수렴성, 성능 측면에서의 비교는 어떠한가?
• RQ3 전체 신체 역학과 비선형 최적화의 계산 요구 사항을 감안할 때, 표준 임베디드 CPU에서 실시간 nMPC 해법이 가능한가?
• RQ4 프레임워크는 '이글스 캐치'나 공격적인 이동 과제와 같은 복잡한 고역동성 동작을 안정성과 에너지 효율성을 유지하면서 처리할 수 있는가?
• RQ5 기존 하드웨어(모터, 파wr 전자기기, CPU)가 이 nMPC 프레임워크를 활용한 토크 제어 UAMs의 구현을 어느 정도 지원할 수 있는가?

주요 결과

• 세 가지 nMPC 변형—Weighted, Rail, Carrot MPC—는 공격적인 동작과 접촉이 풍부한 작업을 포함한 모든 시뮬레이션 과제에서 안정적이고 정확한 제어를 달성하였다.
• 평균 해결 시간은 3ms 이내였으며(4-디스플레이먼트 평균 2.58ms, 이글스 캐치 평균 2.02ms), 평균 2회 이내의 반복 수를 기록하여 실시간 가능성 확인됨.
• 모든 제어기 평균 4회 이내 수렴, 최대 해결 시간 20ms 이내로, 외란 상황에서도 안정성과 계산 효율성 입증.
• 프레임워크는 UAM이 공중에서 공을 캐치하는 '이글스 캐치' 동작과 같은 복잡한 과제를 성공적으로 처리하여 고역동성 능력을 입증하였다.
• 기존 하드웨어—Intel NUC CPU, Pixhawk-4 비행 제어기, 오픈소스 토크 제어 암—가 실제 UAMs에 대한 전체 신체 nMPC의 구현을 지원할 수 있음을 확인하였다.
• 오픈소스 코드베이스를 통해 재현 가능성과 향후 확장 가능성이 보장되며, 온라인 모델 식별 및 외란 추정 기법의 통합 가능성도 있음.