[논문 리뷰] Parameter Identification for Multirobot Systems Using Optimization Based Controllers (Extended Version)

Jaskaran Grover, Changliu Liu외 1명|arXiv (Cornell University)|2020. 09. 29.

Adaptive Control of Nonlinear Systems참고 문헌 20인용 수 8

한 줄 요약

이 논문은 다중로봇 시스템에서 목표 및 컨트롤러 이득과 같은 작업 파라미터를 관측된 로봇 궤적만을 사용하여 식별하기 위한 프레임워크를 개발한다. 활성 충돌 제약 조건의 이중성 이론과 특이값 분해(SVD)를 활용하여 제어 입력과 파라미터 사이의 명시적 관계를 유도하며, 지속적인 자극 조건에 기반한 성공적인 파라미터 식별을 위한 필요 조건을 수립한다. 시뮬레이션 결과, 로봇이 다수의 장애물과 상호작용할 경우(작업 성능을 희생함) 추정에 실패하고, 운동이 제약이 없는 경우에만 성공함을 확인하였다.

ABSTRACT

This paper considers the problem of parameter identification for a multirobot system. We wish to understand when is it feasible for an adversarial observer to reverse-engineer the parameters of tasks being performed by a team of robots by simply observing their positions. We address this question by using the concept of persistency of excitation from system identification. Each robot in the team uses optimization-based controllers for mediating between task satisfaction and collision avoidance. These controllers exhibit an implicit dependence on the task's parameters which poses a hurdle for deriving necessary conditions for parameter identification, since such conditions usually require an explicit relation. We address this bottleneck by using duality theory and SVD of active collision avoidance constraints and derive an explicit relation between each robot's task parameters and its control inputs. This allows us to derive the main necessary conditions for successful identification which agree with our intuition. We demonstrate the importance of these conditions through numerical simulations by using (a) an adaptive observer and (b) an unscented Kalman filter for goal estimation in various geometric settings. These simulations show that under circumstances where parameter inference is supposed to be infeasible per our conditions, both these estimators fail and likewise when it is feasible, both converge to the true parameters. Videos of these results are available at https://bit.ly/3kQYj5J.

연구 동기 및 목표

• 다중로봇 시스템에서 관측된 로봇 위치만을 사용하여 악성 관찰자가 작업 파라미터(예: 목표, 이득)를 역으로 추론할 수 있는 조건을 규명하는 것.
• 최적화 기반 제어기가 동역학이 작업 파라미터에 명시적으로 의존하지 않게 하여 전통적인 식별 가능성 분석을 어렵게 하는 문제를 다루는 것.
• 이중성 이론과 SVD를 활용하여 암묵적인 파라미터 의존성과 함께 다중로봇 시스템에서의 성공적인 파라미터 식별을 위한 필요 조건을 도출하는 것.
• 다양한 기하 구조 조건 하에서 적응 관측기와 유스케이드 칼만 필터(UKF)를 사용하여 수치 시뮬레이션을 통해 이론적 조건을 검증하는 것.

제안 방법

• 작업 목표와 충돌 회피를 균형 잡는 최적화 기반 제어기를 사용하여 다중로봇 제어 문제를 수식화한다.
• 제어 최적화 문제의 카르쉬-쿤-터커(KKT) 조건에 이중성 이론을 적용하여 작업 파라미터와 제어 입력 간의 명시적 관계를 추출한다.
• 활성 충돌 제약 조건의 특이값 분해(SVD)를 사용하여 각 로봇에 영향을 주는 제약 조건의 질량과 선형 독립성을 특성화한다.
• 유도된 명시적 파라미터-제어 관계를 기반으로 지속적인 자극 조건을 활용하여 파라미터 식별 가능성에 대한 필요 조건을 유도한다.
• 이론적 조건 하에서 수렴 성능을 평가하기 위해 두 개의 추정기—적응 관측기와 유스케이드 칼만 필터(UKF)—를 구현하고 비교한다.
• 다양한 활성 장애물 수와 로봇 상호작용 패턴을 가진 시뮬레이션을 통해 프레임워크를 검증한다.

실험 결과

연구 질문

• RQ1 관측된 위치 궤적만을 사용하여 다중로봇 시스템의 로봇이 목표 및 컨트롤러 파라미터를 성공적으로 추정할 수 있는 조건는 무엇인가?
• RQ2 활성 충돌 제약 조건 수(즉, 상호작용하는 로봇 수)가 작업 파라미터의 식별 가능성에 어떤 영향을 미치는가?
• RQ3 최적화 기반 제어기의 작업 파라미터에 대한 암묵적 의존성을 명시적 관계로 전환할 수 있는가?
• RQ4 이론적 식별 가능성 조건가 실질적 추정기(예: UKF, 적응 관측기)의 수렴 행동 간 일치 정도는 어느 정도인가?
• RQ5 로봇 상호작용의 기하학적 구조는 파라미터 추론 가능성을 어떻게 영향을 미치는가?

주요 결과

• 로봇이 동시에 두 개 이상의 활성 장애물과 상호작용할 경우, 그 동역학은 목표 위치와 독립적이 되며, 이론적으로 도출된 조건 하에서는 파라미터 추정이 불가능해진다.
• 적응 관측기가 식별 가능성에 필요한 조건을 위반할 경우 수렴하지 못함을 확인하여 이론적 프레임워크의 타당성을 확인하였다. 예를 들어, 다수의 장애물이 활성일 경우에 해당된다.
• 동일한 조건 하에서 유스케이드 칼만 필터(UKF) 역시 수렴하지 못함을 확인하여, 동역학에서의 파라미터 의존성 부족이 추정 실패의 근본 원인임을 확인하였다. 추정기 선택이 아니라 동역학적 특성이 핵심 요소임을 시사한다.
• 장애물이 활성화되지 않은 경우, 적응 관측기와 UKF 모두 진짜 목표로 수렴함을 확인하여 자유 운동 조건에서는 성공적인 식별이 가능함을 확인하였다.
• 동적 상호작용 패턴(1개, 2개 또는 장애물 없음)이 있는 다중로봇 시나리오에서 두 추정기 모두 진짜 파라미터로 수렴함을 확인하여 이론이 복잡한 환경에서도 유효함을 검증하였다.
• 이론적 프레임워크는 활성 제약 조건의 수와 선형 독립성에 기반하여 추정 가능성을 성공적으로 예측하였으며, SVD는 명시적 파라미터-제어 관계 유도에 핵심적인 역할을 하였다.