Автоматическое дифференцирование в задаче управления системой твердых тел со связями

Автор(ы): Шевляков А.А.

Выпуск: 85

Рубрика: Математическая теория управления

Год: 2020

Библиография: Шевляков А.А. Автоматическое дифференцирование в задаче управления системой твердых тел со связями // Управление большими системами. Выпуск 85. М.: ИПУ РАН, 2020. С.87-112. DOI: https://doi.org/10.25728/ubs.2020.85.5

Дата опубликования: 31.05.2020

Ключевые слова: управление, оптимизация, робототехника, задача комплементарности

Аннотация: В настоящее время в робототехнике идет быстрое развитие новых типов шасси и способов передвижения, для которых требуются оригинальные способы управления, отвечающие многим строгим требованиям. Наряду с человекоподобными и четырехногими роботами, исследуется задача управления группами более просто устроенных роботов. В статье рассматривается задача управления системой из двух роботов-кубов как механической системой твердых тел со связями. Для построения траектории и нахождения управления используется оптимизация. В отличие от многих предыдущих методов, мы исследуем возможность нахождения производных оптимизируемой функции ошибки непосредственно по переменным управления путем использования систем автоматического дифференцирования. Дается краткий обзор методов автоматического дифференцирования, а также обучения с подкреплением, в~контексте которого в данный момент развивается эта область. Кратко излагается теория динамики систем твердых тел, а также основные детали решения задачи оптимизации. Рассматриваются несколько сценариев, для которых находится управление и траектория совместного движения роботов. Приводятся параметры проведенного численного эксперимента и характеристики использованного оборудования. Результаты исследования представлены в виде графиков и кинограмм.

Author(s): Shevlyakov A.

Article title: Automatic differentiation in control of constrained rigid-body systems

Issue: 85

Year: 2020

Keywords: control, optimization, robotics, complementarity problem

Abstract: Currently, many new types of robotic chassis are being developed. These require new approaches to modeling and control, satisfying many hard constraints on performance and quality. The research may be more focused on bipedal and quadrupedal locomotion at the moment, but groups of simple robots are studied as well. In this article, we consider a system of 2 cube robots as a mechanical constrained rigid body system. We use optimization to construct trajectories and find control. Unlike many previous methods, we explore the possibility of differentiating a target function by control variables. This is achieved by using automatic differentiation techniques. We give a brief survey of automatic differentiation, and also of reinforced learning, in the context of which it is now mostly developed. Also, basics of rigid body mechanics are presented, along with most important details of optimization algorithm. We consider several scenarios of robot configurations and goal positions, for which we find control and trajectories. Optimization parameters and hardware characteristics for the numerical experiment are provided. Results are presented as plots and frame sequences.