[논문 리뷰] Hierarchical Task Model Predictive Control for Sequential Mobile Manipulation Tasks

Xintong Du, Siqi Zhou외 1명|arXiv (Cornell University)|2026. 03. 10.

Robot Manipulation and Learning인용 수 0

한 줄 요약

이 논문은 HTMPC를 도입하며, 계층적 태스크 모델 예측 제어 프레임워크로서 시퀀스 모바일 매니퓰레이션 작업에서 기본(Base) 및 팔(Task) 작업을 순차적으로 조정하여 9-DoF 로봇에서 효율성과 반응성을 향상시킨다. 온라인 해결 가능성을 위해 렉서그래픽 최적화를 재구성하고 최첨단 방법 대비 우수한 성능을 시연한다.

ABSTRACT

Mobile manipulators are envisioned to serve more complex roles in people's everyday lives. With recent breakthroughs in large language models, task planners have become better at translating human verbal instructions into a sequence of tasks. However, there is still a need for a decision-making algorithm that can seamlessly interface with the high-level task planner to carry out the sequence of tasks efficiently. In this work, building on the idea of nonlinear lexicographic optimization, we propose a novel Hierarchical-Task Model Predictive Control framework that is able to complete sequential tasks with improved performance and reactivity by effectively leveraging the robot's redundancy. Compared to the state-of-the-art task-prioritized inverse kinematic control method, our approach has improved hierarchical trajectory tracking performance by 42% on average when facing task changes, robot singularity and reference variations. Compared to a typical single-task architecture, our proposed hierarchical task control architecture enables the robot to traverse a shorter path in task space and achieves an execution time 2.3 times faster when executing a sequence of delivery tasks. We demonstrated the results with real-world experiments on a 9 degrees of freedom mobile manipulator.

연구 동기 및 목표

• 고수준 태스크 플래너에 의해 안내되는 시퀀셜 모바일 매니퓰레이션 작업에 대해 반응적이고 효율적인 제어의 필요성을 촉진한다.
• 연속적 작업 실행을 Hierarchical Task Model Predictive Control 문제로 공식화한다.
• 로봇의 기구학적 중복성을 활용하여 렉서그래픽 우선순위 하에 기준(Base)와 엔드이펙터 작업을 조정한다.
• 9-DoF 모바일 매니퓰레이터에서 실세계 성능 향상을 입증한다.
• HTMPC에서 온라인적이고 반복적인 최적화를 위한 실용적 구현 지침을 제공한다.

제안 방법

• 이동 매니퓰레이터의 다이나믹스를 상태 x와 입력 u를 갖는 선형 매개변수화 시스템으로 형식화하고 가속도를 제어 입력으로 사용한다.
• 예측 수평선에 걸친 렉서그래픽 최적화를 통해 시간 순서를 강제하는 계층적 순차 추적 작업 시퀀스를 HTMPC 프레임워크 내에서 정의한다.
• 각 단일 작업 MPC(STMPC)가 추가 정규화와 완화된 렉서그래픽 제약을 갖고 작업을 최적화하도록 중첩 MPC를 해를 구한다.
• 렉서그래픽 제약의 두 가지 형식을 도입; 수렴성을 개선하기 위해 분리된 제약 근사(Eq. 12)를 선택한다.
• QP 부분단계와 선형 탐색 전략을 갖춘 SQP 기반 해를 채택하고, 교란 및 모델/측정 오차를 처리하기 위해 제약 해석(슬랙/배리어 기법)을 허용한다.
• HTMPC를 9-DoF 하드웨어를 사용하여 HTIDKC 및 단일 작업 HTMPC 변형(HTMPC_WPT)과 비교하고 기준(Base)/EE 추적 및 시퀀스 완료 성능에 초점을 맞춘다.

실험 결과

연구 질문

• RQ1 계층적 태스크 모델 예측 제어 프레임워크가 전통적인 단일 작업 또는 역 기구학 기반 방법과 비교하여 연속 모바일 매니퓰레이션 작업의 효율성과 반응성을 향상시킬 수 있는가?
• RQ2 MPC 내 렉서그래픽 최적화를 재구성하는 것이 작업 변경, 특이점 및 궤적 변화에서 온라인 해결 가능성과 작업 수행에 어떤 영향을 미치는가?
• RQ3 고 DoF 모바일 매니퓰레이터의 계층적 제어 아키텍처에서 기구학적 중복성을 활용하는 것이 연속적 전달형 작업에 어떤 이점을 주는가?

주요 결과

Eq	Low δ (mm) Avg	Low δ (mm) Std	High δ (mm) Avg	High δ (mm) Std
Baseline (11)	3.24	0.56	6.25	2.73
Proposed (12)	3.07	0.73	3.42	1.55

• HTMPC는 일련의 전달 작업을 실행할 때 일반적인 단일 작업 아키텍처보다 2.3x 더 빠르게 실행된다.
• 전술한 태스크 우선순위 역기구학 제어 방법과 비교하여, HTMPC는 작업 변경, 특이점 및 궤적 변화에 직면했을 때 계층적 궤적 추적 성능을 평균 약 42% 향상시킨다.
• HTMPC는 9-DoF 모바일 매니퓰레이터를 이용한 실세계 실험에서 태스크 공간 탐색이 더 빠르고, 교란에서 더 빨리 회복되는 효율성을 보여준다.
• 두 가지 렉서그래픽 형식을 평가했으며, 분리된( Eq. 12) 형식이 직접 부등식 접근(Eq. 11)보다 수렴 및 추적 성능이 더 좋았다.
• HTMPC는 연쇄 작업에서 HTIDKC 및 HTMPC_WPT에 비해 Part 2( valley-target) 추적에 우수하여 렉서그래픽 준수와 반응성이 개선되었음을 보여준다.