Differentiable Simulation of Soft Robots with Frictional Contacts
作者: Etienne Ménager, Louis Montaut, Quentin Le Lidec, Justin Carpentier
分类: cs.RO
发布日期: 2025-01-31
期刊: RoboSoft 2025 - 8th IEEE-RAS International Conference on Soft Robotics, Apr 2025, Lausanne, Switzerland
💡 一句话要点
提出软体机器人可微仿真方法，解决摩擦接触中梯度计算难题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱八：物理动画 (Physics-based Animation)
关键词: 软体机器人 可微仿真 摩擦接触 有限元方法 非线性互补问题
📋 核心要点
- 软体机器人仿真中，精确计算含摩擦接触的导数是提升控制、设计和模型降阶效率的关键挑战。
- 论文提出一种统一方法，在有限元框架下计算机械方程的导数，包括非线性互补问题建模的接触交互。
- 该方法能处理碰撞和摩擦阶段的非光滑动力学，并利用网格模型的稀疏性，实验验证了其在软体系统控制和标定中的有效性。
📝 摘要（中文）
近年来，软体机器人仿真器不断发展，能够模拟不同材料类型（如弹性、超弹性）和驱动方式（如气动、缆索驱动、伺服电机），并为标定、设计和控制等任务提供工具。然而，在这些仿真器中高效、准确地计算导数仍然是一个挑战，尤其是在存在物理接触交互的情况下。利用这些导数可以显著提高强化学习和轨迹优化等控制方法的收敛速度，实现基于梯度的设计技术，或促进用于模型降阶的端到端机器学习方法。本文通过引入一种统一的方法来计算有限元方法框架内机械方程的导数，包括建模为非线性互补问题的接触交互，从而应对这些挑战。该方法处理碰撞和摩擦阶段，考虑了它们的非光滑动力学，并利用了基于网格模型的稀疏性。通过控制和标定软体系统的几个例子证明了其有效性。
🔬 方法详解
问题定义：软体机器人仿真中，准确高效地计算包含摩擦接触的动力学方程的导数是一个关键问题。现有方法在处理非光滑动力学和大规模稀疏系统时面临挑战，导致控制、优化和模型降阶等任务的效率低下。尤其是在接触交互建模为非线性互补问题时，导数的计算更加复杂。
核心思路：论文的核心思路是提出一种统一的可微仿真方法，能够在有限元框架下精确计算包含摩擦接触的机械方程的导数。该方法将接触交互建模为非线性互补问题，并利用自动微分技术来计算导数。通过考虑碰撞和摩擦阶段的非光滑动力学，并利用网格模型的稀疏性，提高了计算效率和精度。
技术框架：该方法基于有限元方法，将软体机器人离散为网格模型。动力学方程通过隐式积分方法求解。接触交互建模为非线性互补问题，使用投影梯度法求解。自动微分技术用于计算动力学方程和接触约束的导数。整个框架包含以下主要模块：有限元离散、动力学仿真、接触检测与建模、导数计算。
关键创新：该方法最重要的技术创新点在于提出了一种统一的、可微的接触模型，能够处理碰撞和摩擦阶段的非光滑动力学。与现有方法相比，该方法能够更准确地计算导数，并能够处理大规模稀疏系统。此外，该方法还利用了自动微分技术，简化了导数计算的复杂性。
关键设计：论文的关键设计包括：1) 使用非线性互补问题建模接触交互，能够准确描述接触力和间隙之间的关系；2) 使用投影梯度法求解非线性互补问题，保证了数值稳定性；3) 利用自动微分技术计算导数，避免了手动推导的复杂性和错误；4) 利用网格模型的稀疏性，优化了导数计算的效率。
🖼️ 关键图片
📊 实验亮点
论文通过多个软体机器人控制和标定实验验证了所提出方法的有效性。实验结果表明，该方法能够准确计算导数，并显著提高控制算法的收敛速度。例如，在软体机器人轨迹优化任务中，使用该方法计算的梯度信息能够将收敛速度提高数倍。此外，该方法还能够成功应用于软体机器人的参数标定，提高了标定精度。
🎯 应用场景
该研究成果可广泛应用于软体机器人的控制、优化设计和模型降阶等领域。例如，可以利用该方法加速强化学习算法在软体机器人控制中的应用，实现基于梯度的软体机器人形状优化设计，以及构建高效的软体机器人简化模型，从而提高仿真和控制的效率。该方法还有潜力应用于虚拟手术、游戏物理引擎等领域。
📄 摘要（原文）
In recent years, soft robotics simulators have evolved to offer various functionalities, including the simulation of different material types (e.g., elastic, hyper-elastic) and actuation methods (e.g., pneumatic, cable-driven, servomotor). These simulators also provide tools for various tasks, such as calibration, design, and control. However, efficiently and accurately computing derivatives within these simulators remains a challenge, particularly in the presence of physical contact interactions. Incorporating these derivatives can, for instance, significantly improve the convergence speed of control methods like reinforcement learning and trajectory optimization, enable gradient-based techniques for design, or facilitate end-to-end machine-learning approaches for model reduction. This paper addresses these challenges by introducing a unified method for computing the derivatives of mechanical equations within the finite element method framework, including contact interactions modeled as a nonlinear complementarity problem. The proposed approach handles both collision and friction phases, accounts for their nonsmooth dynamics, and leverages the sparsity introduced by mesh-based models. Its effectiveness is demonstrated through several examples of controlling and calibrating soft systems.