[论文解读] Linear Contact-Implicit Model-Predictive Control.

Simon Le Cleac’h, Taylor A. Howell+2 more|arXiv (Cornell University)|Jul 12, 2021

Advanced Control Systems Optimization被引用 5

一句话总结

本文提出线性接触隐式模型预测控制（LCI-MPC），一种通过利用可微分接触动力学和预计算线性化，将线性模型预测控制扩展至高接触交互机器人的方法。该方法通过互补约束显式表示接触模式，实现对干扰和模型失配具有鲁棒性的实时控制，同时能够发现新的接触序列。

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.

研究动机与目标

• 开发一种适用于频繁与环境发生接触的机器人的实时控制框架。
• 将线性模型预测控制扩展至处理复杂接触动力学，同时不牺牲计算效率。
• 在接触时机变化、模型失配和未建模环境变化下保持鲁棒性。
• 在受到干扰或出现意外情况时，能够发现新的接触序列。
• 设计一种结构优化的线性求解器，以加速接触动力学计算，实现实时性能。

提出的方法

• 该方法使用可微分接触动力学建模机器人与环境之间的交互，支持基于梯度的优化。
• 通过在参考轨迹上预计算线性化，保持计算效率的同时保留接触模式信息。
• 采用互补约束编码接触模式，显式表示接触与非接触的物理条件。
• 开发了一种定制的、结构优化的线性求解器，以加速由MPC公式产生的二次规划问题的求解。
• 在线评估策略，实现对干扰和接触时机变化的动态适应。
• 该方法支持在模型不确定性下稳定运行，并可在执行过程中生成完全新的接触序列。

实验结果

研究问题

• RQ1 能否在保持实时性能的前提下，将线性MPC框架扩展至处理高接触交互机器人系统？
• RQ2 如何在不牺牲计算效率的前提下，在模型预测控制框架中显式表示接触模式转换？
• RQ3 控制器在多大程度上可通过发现新的接触序列来适应干扰？
• RQ4 控制器对模型失配和未建模环境交互的鲁棒性如何？
• RQ5 结构优化的线性求解器能否显著加速MPC中接触动力学的求解？

主要发现

• LCI-MPC框架实现了在动态条件下对高接触交互机器人（包括pushbot、hopper、四足和双足系统）的实时控制。
• 控制器在受到干扰时能够发现并利用参考轨迹中不存在的新接触模式，作出有效响应。
• 该方法对模型失配和未建模环境交互表现出鲁棒性，维持了稳定性能。
• 采用结构优化的线性求解器实现了高效的在线求解，支持实时运行。
• 该方法可在执行过程中生成完全全新的接触序列，表明其适应性超越了预设的接触模式。
• 预计算的线性化在保持计算效率的同时，维持了接触动力学建模的准确性。