[논문 리뷰] Perceptive Locomotion through Nonlinear Model Predictive Control

Ruben Grandia, Fabian Jenelten외 3명|arXiv (Cornell University)|2022. 08. 17.

Robotic Locomotion and Control인용 수 2

한 줄 요약

이 논문은 거친 지형에서 실시간 비선형 모델 예측 제어(MPC) 프레임워크를 제안하며, 보행 가능 영역의 볼록 근사와 충돌 회피를 위한 서피스 거리 함수(SDF)를 사용한다. 20 Hz에서 사전 계산된 인지 지형 특징—보행 가능성 분류, 평면 분할, SDF—를 다중 쇼팅 MPC에 통합하고 실시간 반복 및 필터 기반 선색색을 적용함으로써, 모든 로봇 자유도에 대한 신뢰성 있고 고주율 최적화를 가능하게 하여 시뮬레이션과 실험 모두에서 ANYmal 4족 보행로봇의 최신 기술 수준의 동적 등반 성능을 달성한다.

ABSTRACT

Dynamic locomotion in rough terrain requires accurate foot placement, collision avoidance, and planning of the underactuated dynamics of the system. Reliably optimizing for such motions and interactions in the presence of imperfect and often incomplete perceptive information is challenging. We present a complete perception, planning, and control pipeline, that can optimize motions for all degrees of freedom of the robot in real-time. To mitigate the numerical challenges posed by the terrain a sequence of convex inequality constraints is extracted as local approximations of foothold feasibility and embedded into an online model predictive controller. Steppability classification, plane segmentation, and a signed distance field are precomputed per elevation map to minimize the computational effort during the optimization. A combination of multiple-shooting, real-time iteration, and a filter-based line-search are used to solve the formulated problem reliably and at high rate. We validate the proposed method in scenarios with gaps, slopes, and stepping stones in simulation and experimentally on the ANYmal quadruped platform, resulting in state-of-the-art dynamic climbing.

연구 동기 및 목표

• 정밀한 발자국 배치와 충돌 회피를 동반한 거친 불규칙한 지형에서의 신뢰성 있고 실시간 동적 보행의 과제를 해결한다.
• 비선형 MPC에서 임의의 지형을 최적화할 때 발생하는 수치적 불안정성과 높은 계산 비용을 극복한다.
• 인지 기능(보행 가능성, 평면 분할, SDF)을 MPC 최적화에 직접 통합하여 전체 로봇 운동 계획의 협응을 가능하게 한다.
• 모든 로봇 자유도에 대한 온라인 고주율 최적화를 가능하게 하며, 부족동작 동역학과 지류 충돌을 포함한다.
• 어려운 지형, 예를 들어 간극, 경사, 보도블록과 같은 환경에서 복잡한 보행 패tern(예: 점프보행, 트로트)의 자율적 발견을 달성한다.

제안 방법

• 지형 고도 지도를 20 Hz에서 사전 처리하여 보행 가능성 분류, 평면 분할, 서피스 거리 함수(SDF)로 변환함으로써 온라인 계산을 감소시킨다.
• 보행 가능 영역의 국소 근사로 볼록 다각형 제약 조건을 사용하여 보행 가능성의 타당성을 표현함으로써 비선형 MPC 내에서 볼록 부분문제를 가능하게 한다.
• 수치적 조건을 향상시키기 위해 다중 쇼팅 전사법을 사용하고, 빠른 수렴을 위해 실시간 반복 기법을 적용하여 최적 제어 문제를 수립한다.
• 비볼록 비선형 문제에서 수렴성과 강건성을 확보하기 위해 필터 기반 선색색을 적용한 순차적 2차 프rogamming(SQP)을 사용한다.
• SDF를 MPC 목적함수와 제약 조건에 통합하여 로봇 지류와 지형 간의 충돌을 방지한다.
• 완전한 관절 구성 정보를 포함한 전체 몸체 동역학 모델을 사용하여 발자국 배치, 무릎 운동, 부족동작 동역학을 동시에 최적화한다.

실험 결과

연구 질문

• RQ1 보행 가능성의 볼록 근사가 거친 지형에서 실시간 비선형 MPC를 위한 신뢰성 있고 효율적인 온라인 최적화를 가능하게 할 수 있는가?
• RQ2 보행 가능성, 평면 분할, SDF와 같은 인지 기능을 사전 계산하고 MPC에 통합하여 온라인 계산 부담을 어떻게 줄일 수 있는가?
• RQ3 다중 쇼팅, 실시간 반복, 필터 기반 선색색의 조합이 복잡한 지형 제약 조건을 가진 비선형 MPC 문제를 고주율로 해결할 수 있는가?
• RQ4 이 MPC 프레임워크는 충돌 회피와 정밀한 발자국 배치를 보장하면서 복잡한 동적 보행 패턴(예: 점프보행, 트로트)을 얼마나 자율적으로 발견할 수 있는가?
• RQ5 이러한 방법은 기존 접근법에 비해 신뢰성, 계산 효율성, 어려운 지형에서의 성능 측면에서 어떻게 비교되는가?

주요 결과

• 제안된 MPC 프레임워크는 전체 관절 구성 최적화를 통해 거친 지형에서 실시간 인지 기반 보행을 성공적으로 구현하였으며, ANYmal 4족 보행로봇에서 최신 기술 수준의 동적 등반 성능을 달성하였다.
• 20 Hz에서 보행 가능성, 평면 분할, SDF를 사전 계산함으로써 온라인 계산이 크게 감소하여, 최소 지연으로 고주율 MPC 반복을 가능하게 하였다.
• 가능한 보행 영역의 내부 근사로 볼록 다각형 보행 가능성 제약 조건을 사용함으로써 비선형 MPC 솔버의 수치적 안정성과 신뢰성 있는 수렴성을 확보하였다.
• 이 방법은 인지 기능이 일시적으로 비활성화된 경우에도 복잡한 동적 보행 패턴(예: 점프보행, 트로트의 비행 단계 포함)을 성공적으로 계획하고 실행하였다.
• 간극, 급경사, 좁은 보도블록과 같은 어려운 상황에서도 안정적인 발자국 배치와 충돌 회피를 보이며 프레임워크의 강건성을 입증하였다.
• MPC의 구현은 OCS2 툴박스에서 공개되었으며, 인지 파이프라인 구성 요소는 오픈소스 레포지터리에 기여되었다.