Simultaneous Trajectory Optimization and Contact Selection for Contact-rich Manipulation with High-Fidelity Geometry

📄 arXiv: 2407.16976v1 📥 PDF

作者: Mengchao Zhang, Devesh K. Jha, Arvind U. Raghunathan, Kris Hauser

分类: cs.RO

发布日期: 2024-07-24

备注: arXiv admin note: text overlap with arXiv:2306.06465

💡 一句话要点

提出STOCS框架，通过轨迹优化与接触选择同步进行，加速高精度几何体操作的轨迹规划。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 轨迹优化 接触选择 接触隐式轨迹优化 高精度几何体 机器人操作

📋 核心要点

  1. 接触隐式轨迹优化(CITO)在处理富接触操作时面临计算瓶颈，尤其是在高精度几何体中，允许接触点数量过多导致求解时间急剧增加。
  2. STOCS框架通过在轨迹优化迭代过程中同步进行接触点选择，显著减少了每次优化的变量和约束数量，从而降低了计算复杂度。
  3. 通过关键接触识别子程序的结合，STOCS使得对包含数万个顶点的高精度几何体进行操作轨迹优化在计算上变得可行。

📝 摘要（中文）

接触隐式轨迹优化(CITO)是一种为包括操作和运动在内的各种富接触系统规划复杂轨迹的有效方法。CITO构建了一个带有互补约束的数学规划(MPCC)，该约束强制要求当点未接触时，接触力必须为零。然而，MPCC的求解时间随着允许的接触点数量的增加而急剧增加，这限制了CITO在只允许少量简单几何体进行接触的问题中的适用性。本文介绍了一种同步轨迹优化和接触选择(STOCS)方法，作为CITO的扩展，克服了这一限制。STOCS的创新之处在于在迭代轨迹优化过程中识别显著的接触点和时间。这有效地减少了每次MPCC调用中的变量和约束的数量。STOCS框架，结合关键的接触识别子程序，使得即使对于由数万个顶点组成的高精度几何体，操作轨迹的优化在计算上也是可行的。

🔬 方法详解

问题定义：论文旨在解决接触隐式轨迹优化（CITO）在高精度几何体操作中计算复杂度过高的问题。现有CITO方法在处理大量潜在接触点时，由于需要求解带有互补约束的数学规划（MPCC），其求解时间会随着接触点数量的增加而急剧增加，限制了其在高精度几何体操作中的应用。

核心思路：论文的核心思路是在轨迹优化过程中同步进行接触点的选择，即同步轨迹优化和接触选择（STOCS）。通过在每次迭代中识别并保留显著的接触点，减少MPCC中的变量和约束数量，从而降低计算复杂度，提高优化效率。

技术框架：STOCS框架是一个迭代优化过程，主要包含以下几个阶段：1) 初始化轨迹；2) 在当前轨迹下，识别潜在的接触点；3) 从潜在接触点中选择显著的接触点；4) 基于选择的接触点，进行接触隐式轨迹优化（CITO），更新轨迹；5) 判断是否收敛，若未收敛，则返回第2步。关键在于接触点选择模块，该模块负责在每次迭代中筛选出对轨迹优化影响最大的接触点。

关键创新：STOCS的关键创新在于将轨迹优化和接触选择两个过程融合在一起，形成一个同步优化的框架。与传统的先验地确定接触点或在优化过程中考虑所有潜在接触点的方法不同，STOCS能够动态地调整接触点的选择，从而在保证优化质量的同时，显著降低计算成本。

关键设计：论文中未明确给出关键参数设置、损失函数或网络结构的具体细节。接触点选择的具体算法（即“关键接触识别子程序”）是STOCS框架的关键组成部分，但论文摘要中并未详细描述其实现方式。这部分可能是论文正文中的重点内容。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

摘要中提到，STOCS框架结合关键的接触识别子程序，使得即使对于由数万个顶点组成的高精度几何体，操作轨迹的优化在计算上也是可行的。具体的性能数据、对比基线和提升幅度需要在论文正文中查找。

🎯 应用场景

STOCS框架在机器人操作、运动规划等领域具有广泛的应用前景。例如，它可以用于复杂装配任务、灵巧手操作、以及具有复杂几何形状物体的抓取和操作。通过降低高精度几何体操作的计算复杂度，STOCS有望推动机器人技术在工业自动化、医疗机器人等领域的应用。

📄 摘要（原文）

Contact-implicit trajectory optimization (CITO) is an effective method to plan complex trajectories for various contact-rich systems including manipulation and locomotion. CITO formulates a mathematical program with complementarity constraints (MPCC) that enforces that contact forces must be zero when points are not in contact. However, MPCC solve times increase steeply with the number of allowable points of contact, which limits CITO's applicability to problems in which only a few, simple geometries are allowed to make contact. This paper introduces simultaneous trajectory optimization and contact selection (STOCS), as an extension of CITO that overcomes this limitation. The innovation of STOCS is to identify salient contact points and times inside the iterative trajectory optimization process. This effectively reduces the number of variables and constraints in each MPCC invocation. The STOCS framework, instantiated with key contact identification subroutines, renders the optimization of manipulation trajectories computationally tractable even for high-fidelity geometries consisting of tens of thousands of vertices.