[논문 리뷰] Linear Contact-Implicit Model-Predictive Control.

Simon Le Cleac’h, Taylor A. Howell외 2명|arXiv (Cornell University)|2021. 07. 12.

Advanced Control Systems Optimization인용 수 5

한 줄 요약

이 논문은 선형 모델 예측 제어를 접촉이 풍부한 로봇 시스템으로 확장하기 위해 미분 가능한 접촉 역학과 사전 계산된 선형화를 활용하는 선형 접촉-암시적 모델 예측 제어(LCI-MPC)를 소개한다. 이 방법은 보조 제약 조건을 통한 명시적 접촉 모드 표현을 유지함으로써, 간섭과 모델 불일치에 대응할 수 있는 실시간이고 안정적인 제어를 가능하게 하며, 새로운 접촉 순서를 탐색할 수 있다.

ABSTRACT

We present a general approach for controlling robotic systems that make and break contact with their environments: linear contact-implicit model-predictive control (LCI-MPC). Our use of differentiable contact dynamics provides a natural extension of linear model-predictive control to contact-rich settings. The policy leverages precomputed linearizations about a reference state or trajectory while contact modes, encoded via complementarity constraints, are explicitly retained, resulting in policies that can be efficiently evaluated while maintaining robustness to changes in contact timings. In many cases, the algorithm is even capable of generating entirely new contact sequences. To enable real-time performance, we devise a custom structure-exploiting linear solver for the contact dynamics. We demonstrate that the policy can respond to disturbances by discovering and exploiting new contact modes and is robust to model mismatch and unmodeled environments for a collection of simulated robotic systems, including: pushbot, hopper, quadruped, and biped.

연구 동기 및 목표

• 환경와 자주 접촉하고 끊는 로봇 시스템을 위한 실시간 제어 프레임워크를 개발하는 것.
• 선형 모델 예측 제어를 복잡한 접촉 역학을 다룰 수 있도록 확장하면서도 계산 효율성을 유지하는 것.
• 접촉 시기 변화, 모델 불일치, 모델링되지 않은 환경 변화에 대비한 강건성 확보.
• 간섭이나 예기치 않은 조건에 대응하여 새로운 접촉 순서를 탐색할 수 있도록 하는 것.
• 실시간 성능을 위해 접촉 역학 계산을 가속화하는 구조를 고려한 선형 해법기 설계.

제안 방법

• 로봇과 환경 간의 상호작용을 모델링하기 위해 미분 가능한 접촉 역학을 사용하여 기울기 기반 최적화를 가능하게 한다.
• 기준 경로를 중심으로 사전 계산된 선형화를 적용하여 계산 효율성을 유지하면서도 접촉 모드 정보를 유지한다.
• 접촉 모드는 보조 제약 조건을 통해 표현되며, 이는 접촉과 비접촉의 물리적 조건을 명시적으로 나타낸다.
• 모델 예측 제어 설정에서 발생하는 이차 프로그래밍 문제의 해를 빠르게 푸는 데 사용되는 맞춤형 구조 활용 선형 해법기를 개발한다.
• 정책은 온라인으로 평가되어 간섭과 접촉 시기 변화에 동적으로 대응할 수 있다.
• 이 방법은 모델 불확실성 하에서도 안정적인 작동을 가능하게 하고, 실행 중에 완전히 새로운 접촉 순서를 생성할 수 있다.

실험 결과

연구 질문

• RQ1 실시간 성능을 유지하면서 선형 MPC 프레임워크를 접촉이 풍부한 로봇 시스템에 확장할 수 있는가?
• RQ2 계산 효율성을 희생시키지 않고도 모델 예측 제어 프레임워크에서 접촉 모드 전환을 명시적으로 표현할 수 있는가?
• RQ3 간섭에 대응하기 위해 새로운 접촉 순서를 탐색함으로써 제어기가 얼마나 적응할 수 있는가?
• RQ4 모델 불일치와 모델링되지 않은 환경 상호작용에 대해 제어기는 얼마나 강건한가?
• RQ5 구조를 고려한 선형 해법기는 MPC에서 접촉 역학 계산의 해를 상당히 가속화할 수 있는가?

주요 결과

• LCI-MPC 프레임워크는 동적 조건 하에서 푸시봇, 토글러, 4족 보행기, 이족 보행기 시스템을 포함한 접촉이 풍부한 로봇에 실시간 제어를 가능하게 한다.
• 정책은 기준 경로에 존재하지 않는 새로운 접촉 모드를 탐색하고 활용함으로써 간섭에 성공적으로 대응한다.
• 모델 불일치와 모델링되지 않은 환경 상호작용에 대해 강건성을 보이며 안정적인 성능을 유지한다.
• 구조를 고려한 선형 해법기의 사용으로 온라인 평가가 효율적으로 이루어져 실시간 작동을 지원한다.
• 실행 중에 완전히 새로운 접촉 순서를 생성할 수 있어 사전 정의된 접촉 패턴을 초월한 적응성의 가능성을 보여준다.
• 사전 계산된 선형화는 계산 효율성을 유지하면서도 접촉 역학 모델링의 정확성을 유지한다.