Collision Detection with Analytical Derivatives of Contact Kinematics
作者: Anup Teejo Mathew, Anees Peringal, Daniele Caradonna, Frederic Boyer, Federico Renda
分类: cs.RO
发布日期: 2026-02-03
备注: 12 pages, 9 figures, 2 tables
💡 一句话要点
iDCOL：通过解析导数进行碰撞检测，解决梯度优化中接触动力学不光滑问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 碰撞检测 接触动力学 可微编程 机器人 运动规划 隐式表面 凸优化
📋 核心要点
- 现有基于梯度的机器人方法依赖可微接触动力学，但在处理曲率为零或未定义的几何形状时，接触映射会变得不光滑。
- 论文提出iDCOL框架，通过将几何形状正则化为严格凸隐式表示，恢复接触映射的唯一性和光滑性，从而解决上述问题。
- 实验结果表明，iDCOL在碰撞模拟和基准测试中表现出鲁棒性，并成功应用于基于梯度的路径规划和可微接触物理。
📝 摘要（中文）
可微接触动力学对于机器人中的基于梯度的方法至关重要，但从机器人状态到接触距离、位置和法线的映射在具有零或未定义曲率的形状的退化配置中变得不光滑。本文通过选择性地将这些几何形状正则化为严格凸隐式表示来解决这一固有限制，从而恢复接触映射的唯一性和光滑性。利用这种几何正则化，我们开发了一个隐式可微碰撞检测和接触动力学框架iDCOL。iDCOL使用严格凸隐式表面表示碰撞体，并通过求解从基于几何缩放的凸优化公式导出的固定大小的非线性系统来计算碰撞检测和接触动力学。通过将隐函数定理应用于得到的系统残差，我们推导出接触运动学量的解析导数。我们为iDCOL开发了一个快速的基于牛顿的求解器，并提供了一个开源的C++实现。通过广泛的碰撞模拟和基准测试评估了该方法的鲁棒性，并在基于梯度的运动学路径规划和可微接触物理中展示了适用性，包括多体刚性碰撞和软机器人交互示例。
🔬 方法详解
问题定义：论文旨在解决机器人运动规划和控制中，由于物体表面几何形状的复杂性（如零曲率或未定义曲率）导致的接触动力学计算不光滑问题。传统方法在处理这些情况时，梯度信息不稳定，影响了基于梯度的优化算法的性能。现有方法难以保证接触映射的唯一性和光滑性，从而限制了其在复杂环境中的应用。
核心思路：论文的核心思路是将物体的几何形状进行正则化，使其具有严格凸的隐式表示。通过这种方式，可以确保接触点和接触法线的唯一性和光滑性。这种几何正则化是解决接触动力学不光滑问题的关键。论文还利用几何缩放的凸优化公式来计算碰撞检测和接触动力学。
技术框架：iDCOL框架主要包含以下几个模块：1) 几何正则化模块：将原始几何形状转换为严格凸隐式表面表示。2) 碰撞检测和接触动力学计算模块：通过求解基于几何缩放的凸优化问题，确定碰撞状态和接触信息。3) 导数计算模块：利用隐函数定理，推导接触动力学量的解析导数。4) 求解器：采用基于牛顿法的快速求解器，高效求解非线性系统。
关键创新：论文最重要的技术创新在于：1) 提出了一种选择性的几何正则化方法，将非凸或具有奇异曲率的几何形状转化为严格凸的隐式表示，从而保证了接触映射的光滑性。2) 推导了接触动力学量的解析导数，避免了数值微分带来的误差和计算成本。3) 开发了一个基于几何缩放的凸优化公式，用于高效地计算碰撞检测和接触动力学。
关键设计：论文的关键设计包括：1) 隐式表面的选择：选择合适的隐式函数来表示物体表面，并确保其严格凸性。2) 几何正则化的策略：设计一种有效的正则化方法，能够在保证几何形状近似的前提下，消除奇异曲率。3) 凸优化问题的构建：设计合适的凸优化目标函数和约束条件，使得求解结果能够准确地反映碰撞状态和接触信息。4) 牛顿求解器的实现：优化牛顿求解器的迭代过程，提高求解速度和稳定性。
🖼️ 关键图片
📊 实验亮点
论文通过大量的碰撞模拟和基准测试验证了iDCOL的鲁棒性。实验结果表明，iDCOL能够有效地处理具有复杂几何形状的物体之间的碰撞检测和接触动力学计算，并能够提供精确的解析导数。此外，iDCOL还成功应用于基于梯度的运动学路径规划和可微接触物理仿真，包括多体刚性碰撞和软机器人交互等复杂场景。
🎯 应用场景
该研究成果可广泛应用于机器人运动规划、控制和仿真等领域。例如，可用于复杂环境下的机器人路径规划，提高规划效率和成功率；可用于机器人与环境的交互控制，实现更稳定和自然的交互行为；还可用于高精度机器人仿真，为机器人设计和优化提供支持。未来，该方法有望扩展到更复杂的机器人系统和应用场景，如软体机器人控制和人机协作等。
📄 摘要（原文）
Differentiable contact kinematics are essential for gradient-based methods in robotics, yet the mapping from robot state to contact distance, location, and normal becomes non-smooth in degenerate configurations of shapes with zero or undefined curvature. We address this inherent limitation by selectively regularizing such geometries into strictly convex implicit representations, restoring uniqueness and smoothness of the contact map. Leveraging this geometric regularization, we develop iDCOL, an implicit differentiable collision detection and contact kinematics framework. iDCOL represents colliding bodies using strictly convex implicit surfaces and computes collision detection and contact kinematics by solving a fixed-size nonlinear system derived from a geometric scaling-based convex optimization formulation. By applying the Implicit Function Theorem to the resulting system residual, we derive analytical derivatives of the contact kinematic quantities. We develop a fast Newton-based solver for iDCOL and provide an open-source C++ implementation of the framework. The robustness of the approach is evaluated through extensive collision simulations and benchmarking, and applicability is demonstrated in gradient-based kinematic path planning and differentiable contact physics, including multi-body rigid collisions and a soft-robot interaction example.