A Bi-Level Optimization Approach to Joint Trajectory Optimization for Redundant Manipulators

📄 arXiv: 2412.07859v1 📥 PDF

作者: Jonathan Fried, Santiago Paternain

分类: cs.RO, math.OC

发布日期: 2024-12-10

备注: 16 pages, 14 pictures

💡 一句话要点

提出一种双层优化方法，用于冗余机械臂的联合轨迹优化，以最小化末端执行器轨迹时间。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 冗余机械臂 轨迹优化 双层优化 凸优化 机器人控制

📋 核心要点

  1. 现有方法难以在考虑关节约束（位置、速度、加速度）的情况下，高效优化冗余机械臂的末端执行器轨迹时间。
  2. 论文提出一种双层优化框架，将原问题分解为凸子问题，并利用方向导数进行高层优化，从而有效求解。
  3. 仿真和实验结果表明，该方法能够有效地最小化末端执行器轨迹时间，同时满足关节约束。

📝 摘要（中文）

本文提出了一种方法，通过优化冗余机器人机械臂关节的轨迹，来最小化其末端执行器遍历笛卡尔路径所需的时间。每个关节在位置、速度和加速度范围内都有约束，加速度约束使得关节空间的急动不理想。所提出的方法将这个非线性优化问题（变量为路径速度和关节轨迹）重新表述为一个双层问题。下层公式是一个凸子问题，它考虑固定的关节轨迹，并在考虑所有关节速度和加速度约束的同时，最大化路径速度。在特定条件下，这个子问题有一个闭式解。然后，我们利用下层值关于关节轨迹参数的方向导数来解决一个更高层的子问题。特别地，我们使用这个方向来实现一个原始-对偶方法，该方法考虑了路径精度和关节位置约束。我们通过仿真和实验结果展示了我们提出的方法的有效性。

🔬 方法详解

问题定义：论文旨在解决冗余机械臂在给定笛卡尔路径下，如何优化关节轨迹以最小化末端执行器遍历路径所需时间的问题。现有方法在处理关节位置、速度和加速度约束时，往往难以找到全局最优解，并且计算复杂度较高。尤其是在考虑关节加速度约束时，会导致关节空间出现不期望的急动。

核心思路：论文的核心思路是将原问题转化为一个双层优化问题。下层优化问题旨在给定关节轨迹的情况下，最大化路径速度，同时满足关节速度和加速度约束。上层优化问题则通过调整关节轨迹参数，来最小化总的遍历时间，同时考虑路径精度和关节位置约束。这种分解使得问题更容易求解，并且可以利用凸优化的方法来解决下层问题。

技术框架：整体框架包含两个主要阶段：1) 下层优化：对于给定的关节轨迹，求解一个凸优化问题，以最大化路径速度。在特定条件下，该子问题存在闭式解，可以高效求解。2) 上层优化：利用下层优化问题的解，计算目标函数关于关节轨迹参数的方向导数。然后，使用原始-对偶方法，根据该方向导数来更新关节轨迹参数，以最小化总的遍历时间，同时满足路径精度和关节位置约束。

关键创新：最重要的创新点在于将原问题转化为双层优化问题，并利用下层优化问题的方向导数来指导上层优化。这种方法能够有效地处理关节约束，并找到接近全局最优的解。此外，下层优化问题的凸性保证了其可以高效求解，从而提高了整体算法的效率。

关键设计：下层优化问题被设计成一个凸优化问题，以便利用现有的凸优化求解器进行高效求解。上层优化问题使用原始-对偶方法，该方法能够有效地处理约束条件，并找到最优的关节轨迹参数。关键参数包括路径精度约束的权重、关节位置约束的权重以及原始-对偶方法的步长等。这些参数需要根据具体的机械臂和任务进行调整。

📊 实验亮点

论文通过仿真和实验验证了所提出方法的有效性。实验结果表明，该方法能够显著减少末端执行器遍历给定路径所需的时间，同时满足关节位置、速度和加速度约束。具体的性能提升数据（例如，时间减少的百分比）在论文中给出，并与现有的轨迹优化方法进行了比较。

🎯 应用场景

该研究成果可应用于各种需要精确轨迹控制的机器人应用，例如工业自动化中的装配、焊接、喷涂等任务，以及医疗机器人中的手术辅助、康复训练等。通过优化机械臂的运动轨迹，可以提高生产效率、降低能源消耗、改善操作精度，并提升机器人的整体性能。

📄 摘要（原文）

In this work, we present an approach to minimizing the time necessary for the end-effector of a redundant robot manipulator to traverse a Cartesian path by optimizing the trajectory of its joints. Each joint has limits in the ranges of position, velocity and acceleration, the latter making jerks in joint space undesirable. The proposed approach takes this nonlinear optimization problem whose variables are path speed and joint trajectory and reformulates it into a bi-level problem. The lower-level formulation is a convex subproblem that considers a fixed joint trajectory and maximizes path speed while considering all joint velocity and acceleration constraints. Under particular conditions, this subproblem has a closed-form solution. Then, we solve a higher-level subproblem by leveraging the directional derivative of the lower-level value with respect to the joint trajectory parameters. In particular, we use this direction to implement a Primal-Dual method that considers the path accuracy and joint position constraints. We show the efficacy of our proposed approach with simulations and experimental results.