[论文解读] Contact Models in Robotics: a Comparative Analysis

Quentin Le Lidec, Wilson Jallet+4 more|arXiv (Cornell University)|Apr 13, 2023

Dynamics and Control of Mechanical Systems被引用 4

一句话总结

本文对机器人仿真器中的接触模型和数值求解器进行了全面的对比分析，评估了其物理保真度与计算效率。研究发现，MuJoCo、RaiSim等仿真器中常见的近似方法显著扩大了现实差距，尤其是在动态、打滑或复杂接触条件下，这些方法违反了控制摩擦和冲击的非线性互补问题（NCP）约束。

ABSTRACT

Physics simulation is ubiquitous in robotics. Whether in model-based approaches (e.g., trajectory optimization), or model-free algorithms (e.g., reinforcement learning), physics simulators are a central component of modern control pipelines in robotics. Over the past decades, several robotic simulators have been developed, each with dedicated contact modeling assumptions and algorithmic solutions. In this article, we survey the main contact models and the associated numerical methods commonly used in robotics for simulating advanced robot motions involving contact interactions. In particular, we recall the physical laws underlying contacts and friction (i.e., Signorini condition, Coulomb's law, and the maximum dissipation principle), and how they are transcribed in current simulators. For each physics engine, we expose their inherent physical relaxations along with their limitations due to the numerical techniques employed. Based on our study, we propose theoretically grounded quantitative criteria on which we build benchmarks assessing both the physical and computational aspects of simulation. We support our work with an open-source and efficient C++ implementation of the existing algorithmic variations. Our results demonstrate that some approximations or algorithms commonly used in robotics can severely widen the reality gap and impact target applications. We hope this work will help motivate the development of new contact models, contact solvers, and robotic simulators in general, at the root of recent progress in motion generation in robotics.

研究动机与目标

• 系统分析现代机器人仿真器中使用的接触模型在物理特性与计算效率之间的权衡。
• 识别接触求解器中的数值松弛如何导致非物理解释行为，从而在基于仿真的控制中加剧现实差距。
• 建立理论基础坚实、可量化的标准，用于基准测试接触模拟的保真度与效率。
• 提供关键算法变体的开源C++实现，以确保可复现性并促进社区复用。
• 通过基准测试表明，仿真器的选择对高层控制器性能具有决定性影响，尤其在动态或复杂接触场景中。

提出的方法

• 调研并形式化接触动力学的物理基础：Signorini条件、库仑摩擦定律以及最大耗散原理。
• 将这些物理原理映射到非线性互补问题（NCP），该问题定义了刚性接触动力学的精确数学公式。
• 将接触求解器分类为事件驱动与时间步进方法，并分析其数值近似与稳定性权衡。
• 在一个统一的C++框架中实现并基准测试多种接触模型（如MuJoCo的弹性模型、RaiSim的投影高斯-赛德尔法、CCP、ADMM）。
• 通过在平坦与凹凸地形上使用MPC的运动控制任务评估仿真器，以衡量物理一致性（NCP违反程度）与任务级性能。
• 使用NCP违反度、质心速度跟踪误差和求解器运行时间等定量指标，比较物理保真度与计算效率。

实验结果

研究问题

• RQ1 机器人仿真器中不同的接触模型如何影响模拟接触交互的物理一致性？
• RQ2 接触求解器中的数值近似（如人工弹性或松弛技术）在多大程度上会扩大基于仿真的控制中的现实差距？
• RQ3 仿真器的选择如何影响复杂或打滑地形上的高层机器人行为（如运动控制）？
• RQ4 在最先进的接触求解器中，物理准确性、鲁棒性与计算效率之间的权衡是什么？
• RQ5 能否建立一个统一的基准框架，以客观比较接触模拟的保真度与性能？

主要发现

• 接触模型与求解器的选择显著影响仿真的物理一致性，某些模型在动态、打滑条件下对非线性互补问题（NCP）约束的违反程度高达20%。
• 在低摩擦（μ = 0.3）的凹凸地形上，RaiSim和基于CCP的模型产生的运动轨迹在质心速度上与物理一致的NCP解相比偏差超过30%。
• 逐接触求解器（如ADMM）在复杂接触场景（涉及滑动与冲击）中，相比聚合求解器，更有效地保持了NCP一致性。
• 即使是微小的物理近似（如MuJoCo中的人工弹性），也可能在可微分仿真器中导致显著的梯度误差，从而影响下游优化与学习。
• 在涉及快速切换粘着、滑动与脱离的动态任务中，现实差距被进一步加剧，标准求解器难以保持物理一致性。
• 目前尚无接触求解器能同时实现准确性、鲁棒性与效率的完全平衡，表明接触模拟算法仍有巨大改进空间。