[论文解读] A Unified Method for Solving Inverse, Forward, and Hybrid Manipulator Dynamics using Factor Graphs

Mandy Xie, Frank Dellaert|arXiv (Cornell University)|Nov 22, 2019

Robotic Mechanisms and Dynamics参考文献 55被引用 4

一句话总结

本文提出了一种统一的因子图框架，用于求解开链和闭链中的逆向、前向及混合机械臂动力学问题。通过将动力学方程建模为因子图并利用变量消去顺序，该方法提供了一种可视化、直观且计算灵活的方式来推导和实现经典及新型动力学算法，其效率通过嵌套分离等消去顺序策略得到验证。

ABSTRACT

This paper describes a unified method solving for inverse, forward, and hybrid dynamics problems for robotic manipulators with either open kinematic chains or closed kinematic loops based on factor graphs. Manipulator dynamics is considered to be a well studied problem, and various different algorithms have been developed to solve each type of dynamics problem. However, they are not easily explained in a unified and intuitive way. In this paper, we introduce factor graphs as a unifying graphical language in which not only to solve all types of dynamics problems, but also explain the classical dynamics algorithms in a unified framework.

研究动机与目标

• 通过单一的图形化框架统一求解开链与闭链中机械臂的逆向、前向及混合动力学问题。
• 通过因子图提供复杂动力学方程的直观可视化表示，相较于传统代数表达方式更具清晰性。
• 通过探索因子图中不同的变量消去顺序，实现新型高效动力学算法的推导。
• 将动力学求解器的适用范围扩展至具有运动学环路的系统，包括过约束和冗余驱动机构。
• 为从因子图的拓扑消去顺序自动生成代码奠定基础。

提出的方法

• 使用因子图建模机械臂动力学，其中因子表示物理约束（如牛顿-欧拉方程），变量表示状态量（如力矩、加速度、力-力矩）。
• 通过在图中编码关节动力学、运动学约束和环路闭合条件，表示开链与闭链系统。
• 在因子图上执行变量消去（高斯消去），以求解未知量，消去顺序决定算法的效率与结构。
• 应用图分割技术（如嵌套分离）以推导最优或近似最优的消去顺序，从而提升计算性能。
• 引入专用因子（如平面因子用于环路关节）以解决闭链系统中约束力的欠定问题，确保解的唯一性。
• 利用消去过程生成的有向无环图（DAG）自动生成高效、拓扑特定的动力学求解器代码。

实验结果

研究问题

• RQ1 是否能够通过单一图形化框架统一求解开链与闭链中逆向、前向及混合动力学问题？
• RQ2 与传统代数方法相比，因子图如何提供对底层动力学方程更直观、更视觉化的表示？
• RQ3 不同的变量消去顺序对所推导动力学算法的效率与结构有何影响？
• RQ4 因子图能否系统性地用于推导复杂系统（如具有运动学环路的并联机器人）的新颖高效动力学算法？
• RQ5 基于因子图的消去在多大程度上可实现自动生成的高性能代码用于动力学计算？

主要发现

• 因子图框架成功地在单一、连贯的表示中统一了开链与闭链系统中逆向、前向及混合动力学问题的求解。
• 因子图中不同的消去顺序直接对应于已知的经典算法（如RNEA、ABA、CRBA），揭示了其内在结构与相互关系。
• 基于嵌套分离的消去顺序显著提升了性能，报告的加速比超过标准方法，尽管绝对运行时间并非主要关注点。
• 通过引入额外因子（如最小力矩、平面约束因子），该方法能够解决过约束与冗余驱动系统，确保唯一解。
• 消去过程生成的DAG为自动代码生成提供了自然基础，当采用非直观但高效的顺序时，其性能可能优于手工优化的求解器。
• 该框架可通过集成增量推理，支持未来在动态平衡机器人中进行动力学运动规划与状态估计的扩展。