Propagative Distance Optimization for Constrained Inverse Kinematics

📄 arXiv: 2406.11572v1 📥 PDF

作者: Yu Chen, Yilin Cai, Jinyun Xu, Zhongqiang Ren, Guanya Shi, Howie Choset

分类: cs.RO

发布日期: 2024-06-17

💡 一句话要点

提出PDO-IK算法，利用链式结构优化距离，高效解决约束逆运动学问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 逆运动学 约束优化 距离优化 运动规划 机器人 链式结构 雅可比矩阵 避障

📋 核心要点

  1. 传统基于关节角度的逆运动学方法易受三角函数非线性影响，而基于距离的方法忽略了机器人运动学链式结构，导致计算效率低下。
  2. PDO-IK算法通过在距离优化中利用运动学链式结构，并沿链式结构传播计算正向运动学和雅可比矩阵，从而加速优化过程。
  3. 实验结果表明，PDO-IK算法在运行速度和成功率上均优于现有方法，并能实现具有较高自由度机器人的实时避障。

📝 摘要（中文）

本文研究了约束逆运动学(IK)问题，该问题旨在寻找满足各种约束（如关节限制和避障）的铰接机器人可行构型。由于高维度和复杂的约束，这个问题通常通过迭代局部优化进行数值求解。传统的局部优化方法以关节角度作为决策变量，受到三角约束引起的非线性影响。最近，基于距离的IK方法作为一种替代方法被开发出来，它将IK问题表述为对机器人和障碍物上点之间距离的优化。虽然基于距离的方法已经展示了独特的优势，但它们仍然存在计算效率低下的问题，因为这些方法通常忽略了串行机器人运动学中的链式结构。本文提出了一种新的方法，称为约束逆运动学的传播距离优化(PDO-IK)，它捕获并利用了基于距离公式中的链式结构，并通过沿运动链传播地计算正向运动学和雅可比矩阵来加速优化。测试结果表明，在关节限制约束和避障约束下，PDO-IK的运行速度比现有的基于距离的方法快两个数量级。对于IK问题，它也比传统的基于关节角度的优化方法实现了高达三倍的成功率。PDO-IK的高运行时效率允许实时计算(10-1500 Hz)，并使具有19个自由度(DoFs)的模拟人形机器人能够避开移动的障碍物，这对于基线方法来说很难实现。

🔬 方法详解

问题定义：论文旨在解决带有约束的逆运动学问题，即在关节限制和避障等约束条件下，寻找铰接机器人的可行构型。现有方法，如基于关节角度的优化，由于三角函数的非线性而效率较低。基于距离的方法虽然避免了三角函数，但忽略了运动学链式结构，导致计算量大。

核心思路：论文的核心思路是利用机器人运动学中的链式结构，在基于距离的逆运动学优化中进行传播计算。通过沿运动链传播正向运动学和雅可比矩阵，可以高效地更新距离约束，从而加速优化过程。这种方法结合了基于距离方法的优点，同时克服了其计算效率低的缺点。

技术框架：PDO-IK算法的整体框架包括以下几个主要步骤：1) 初始化机器人构型；2) 计算机器人和障碍物上关键点之间的距离；3) 根据距离约束构建优化问题；4) 利用传播算法计算正向运动学和雅可比矩阵；5) 使用优化器求解优化问题，更新机器人构型；6) 重复步骤2-5，直到收敛或达到最大迭代次数。

关键创新：PDO-IK算法的关键创新在于将运动学链式结构融入到基于距离的逆运动学优化中。通过传播计算正向运动学和雅可比矩阵，避免了对整个机器人结构的全局计算，从而显著提高了计算效率。与现有方法相比，PDO-IK算法能够更有效地处理高维度和复杂约束的逆运动学问题。

关键设计：PDO-IK算法的关键设计包括：1) 距离约束的选取，需要选择合适的关键点以保证约束的有效性；2) 传播算法的实现，需要高效地计算正向运动学和雅可比矩阵；3) 优化器的选择，需要选择适合于约束优化问题的优化器，例如序列二次规划(SQP)等。论文中可能还涉及一些参数设置，例如步长、收敛阈值等，这些参数需要根据具体问题进行调整。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，PDO-IK算法在关节限制和避障约束下，运行速度比现有的基于距离的方法快两个数量级。与传统的基于关节角度的优化方法相比，PDO-IK算法的成功率提高了三倍。此外，PDO-IK算法能够以10-1500 Hz的频率进行实时计算，并成功地控制了一个具有19个自由度的人形机器人避开移动的障碍物。

🎯 应用场景

PDO-IK算法具有广泛的应用前景，例如机器人运动规划、人机协作、虚拟现实等领域。其高效的计算能力使得机器人能够实时地进行运动规划和避障，从而提高机器人的自主性和安全性。在人机协作中，PDO-IK算法可以帮助机器人更好地理解人的意图，并进行相应的动作调整。在虚拟现实中，PDO-IK算法可以用于控制虚拟角色的运动，使其更加自然和流畅。

📄 摘要（原文）

This paper investigates a constrained inverse kinematic (IK) problem that seeks a feasible configuration of an articulated robot under various constraints such as joint limits and obstacle collision avoidance. Due to the high-dimensionality and complex constraints, this problem is often solved numerically via iterative local optimization. Classic local optimization methods take joint angles as the decision variable, which suffers from non-linearity caused by the trigonometric constraints. Recently, distance-based IK methods have been developed as an alternative approach that formulates IK as an optimization over the distances among points attached to the robot and the obstacles. Although distance-based methods have demonstrated unique advantages, they still suffer from low computational efficiency, since these approaches usually ignore the chain structure in the kinematics of serial robots. This paper proposes a new method called propagative distance optimization for constrained inverse kinematics (PDO-IK), which captures and leverages the chain structure in the distance-based formulation and expedites the optimization by computing forward kinematics and the Jacobian propagatively along the kinematic chain. Test results show that PDO-IK runs up to two orders of magnitude faster than the existing distance-based methods under joint limits constraints and obstacle avoidance constraints. It also achieves up to three times higher success rates than the conventional joint-angle-based optimization methods for IK problems. The high runtime efficiency of PDO-IK allows the real-time computation (10$-$1500 Hz) and enables a simulated humanoid robot with 19 degrees of freedom (DoFs) to avoid moving obstacles, which is otherwise hard to achieve with the baselines.