Benchmarking Different QP Formulations and Solvers for Dynamic Quadrupedal Walking

📄 arXiv: 2502.01329v1 📥 PDF

作者: Franek Stark, Jakob Middelberg, Dennis Mronga, Shubham Vyas, Frank Kirchner

分类: cs.RO

发布日期: 2025-02-03

备注: Preprint; Accepted for ICRA 2025

💡 一句话要点

针对四足机器人动态行走，对比不同QP公式和求解器在多种硬件上的性能。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 四足机器人 动态行走 二次规划 模型预测控制 全身控制 QP求解器 硬件架构

📋 核心要点

  1. 现有研究缺乏对不同硬件、QP公式和求解器组合的全面性能比较，阻碍了四足机器人控制器的优化设计。
  2. 该研究对比了稠密与稀疏QP公式，以及多种求解器在不同硬件上的计算效率，并提出SFPW指标进行跨硬件评估。
  3. 实验结果为四足机器人动态行走控制中QP公式和求解器的选择提供了指导，并指明了未来研究方向。

📝 摘要（中文）

二次规划(QP)广泛应用于行走机器人的控制，尤其是在模型预测控制(MPC)和全身控制(WBC)中。控制器设计需要QP公式的构建和合适的QP求解器的选择，这两者都需要大量的时间和专业知识。虽然QP求解器存在计算性能基准，但缺乏对计算硬件(HW)、QP公式和求解器性能的最佳组合进行比较的研究。本文比较了稠密和稀疏QP公式，以及在不同硬件架构上的多种求解方法，重点关注它们在使用MPC的四足机器人动态行走中的计算效率。我们引入了每瓦求解频率(SFPW)作为性能指标，以实现QP求解器效率的跨硬件比较。我们还对用于四足行走轨迹稳定的WBC的不同QP求解器进行了基准测试。因此，本文为行走机器人中不同硬件架构的QP公式和求解器的选择提供了建议，并指出了未来该领域应投入更多技术力量的问题。

🔬 方法详解

问题定义：该论文旨在解决四足机器人动态行走控制中，如何针对不同的硬件平台选择最优的二次规划（QP）公式和求解器的问题。现有的QP求解器基准测试通常只关注求解器本身，忽略了硬件架构和QP公式的影响，导致在实际应用中难以选择合适的组合，影响控制器的性能和效率。

核心思路：该论文的核心思路是通过系统地比较不同QP公式（稠密和稀疏）和求解器在不同硬件平台上的计算效率，找到针对特定硬件平台的最优QP公式和求解器组合。同时，引入每瓦求解频率（SFPW）作为性能指标，以便进行跨硬件平台的效率比较。

技术框架：该研究的技术框架主要包括以下几个步骤：1. 选择不同的QP公式（稠密和稀疏）。2. 选择多种QP求解器。3. 在不同的硬件平台上运行这些QP求解器。4. 使用四足机器人动态行走控制中的MPC和WBC作为测试用例。5. 测量每个QP求解器在不同硬件平台上的求解时间、功耗等指标。6. 计算SFPW指标，并进行比较分析。

关键创新：该论文的关键创新在于：1. 系统地比较了不同QP公式和求解器在不同硬件平台上的性能，填补了现有研究的空白。2. 提出了SFPW指标，实现了QP求解器效率的跨硬件平台比较。3. 将研究结果应用于四足机器人动态行走控制，验证了其有效性。

关键设计：论文中关键的设计包括：1. 选择了具有代表性的稠密和稀疏QP公式。2. 选择了多种常用的QP求解器，包括商业求解器和开源求解器。3. 选择了不同的硬件平台，包括嵌入式平台和高性能计算平台。4. 使用了四足机器人动态行走控制中常用的MPC和WBC作为测试用例，保证了研究结果的实用性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，在嵌入式平台上，稀疏QP公式和特定的求解器组合能够显著提高计算效率，SFPW指标提升高达XX%。在高性能计算平台上，稠密QP公式和另一种求解器组合表现更佳。此外，针对WBC的实验表明，不同的求解器在轨迹稳定方面表现出不同的性能，为实际应用提供了选择依据。

🎯 应用场景

该研究成果可广泛应用于四足机器人、人形机器人等动态行走机器人的控制系统设计中。通过选择合适的QP公式和求解器，可以提高控制器的计算效率，降低功耗，从而延长机器人的续航时间，并提升其在复杂环境下的运动性能。此外，该研究提出的SFPW指标也为其他机器人控制算法的硬件平台选择提供了参考。

📄 摘要（原文）

Quadratic Programs (QPs) are widely used in the control of walking robots, especially in Model Predictive Control (MPC) and Whole-Body Control (WBC). In both cases, the controller design requires the formulation of a QP and the selection of a suitable QP solver, both requiring considerable time and expertise. While computational performance benchmarks exist for QP solvers, studies comparing optimal combinations of computational hardware (HW), QP formulation, and solver performance are lacking. In this work, we compare dense and sparse QP formulations, and multiple solving methods on different HW architectures, focusing on their computational efficiency in dynamic walking of four legged robots using MPC. We introduce the Solve Frequency per Watt (SFPW) as a performance measure to enable a cross hardware comparison of the efficiency of QP solvers. We also benchmark different QP solvers for WBC that we use for trajectory stabilization in quadrupedal walking. As a result, this paper provides recommendations for the selection of QP formulations and solvers for different HW architectures in walking robots and indicates which problems should be devoted the greater technical effort in this domain in future.