⚡ electrical engineering

Real-Time Nonlinear MPC via Sequential Quadratic Programming with Structure-Exploiting ADMM and Interior-Point Methods for Underactuated Double-Pendulum Swing-Up

Este artículo presenta una estrategia de control predictivo basado en modelo no lineal en tiempo real basada en programación cuadrática secuencial que logra con éxito el balanceo y la estabilización robustos de un sistema de doble péndulo subactuado en hardware desconocido para la competencia "AI Olympics with RealAIGym".

Autores originales: Nick Karydakis, Konstantinos Chatzilygeroudis

Publicado 2026-08-11

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Nick Karydakis, Konstantinos Chatzilygeroudis

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando enseñarle a un robot a hacer un mortal hacia atrás. No puedes simplemente decirle "salta" y esperar lo mejor; tienes que determinar exactamente cuánta fuerza aplicar, cuándo encoger las rodillas y cómo aterrizar sin estrellarse. Este es el mundo del control robótico, un campo dedicado a dotar a las máquinas de la "memoria muscular" para moverse a través del mundo real. En el corazón de este desafío se encuentra un concepto llamado Control Predictivo por Modelo (MPC). Piensa en el MPC como un GPS súper avanzado para un robot. En lugar de solo mirar dónde está el robot en este momento, el GPS mira constantemente hacia adelante, simulando miles de posibles trayectorias futuras en una fracción de segundo para decidir el mejor siguiente movimiento. Es como un jugador de ajedrez que no solo piensa un movimiento por delante, sino que calcula toda la partida para asegurar la victoria.

Ahora, imagina que el robot que estás controlando es un péndulo doble: una vara con otra vara unida a su extremo, que oscila libremente. Este sistema es notoriamente difícil porque es subactuado, lo que significa que tiene más partes móviles de las que tiene motores. Es como intentar equilibrar una escoba sobre tu mano mientras tu mano está atada a una cuerda; tienes que balancearla salvajemente para acumular energía antes de poder finalmente equilibrarla verticalmente. Este rompecabezas específico es la pieza central de los "Juegos Olímpicos de IA con RealAIGym", una competición donde los equipos deben programar un robot para que se balancee hacia arriba desde una posición colgante y se mantenga en equilibrio, todo esto mientras el peso exacto y la fricción del robot son un misterio para el programador.

El artículo de Karydakis y Chatzilygeroudis presenta una solución ingeniosa a este problema utilizando un método llamado Programación Cuadrática Secuencial (SQP). En lugar de adivinar y comprobar, su controlador actúa como un estratega maestro que descompone el complejo y tambaleante problema de balancear un péndulo doble en una serie de acertijos más pequeños y manejables. En cada diminuta fracción de segundo, el robot se pregunta: "Si muevo mi motor de esta manera, ¿dónde estaré en los próximos pasos?". Resuelve un problema matemático simplificado para encontrar el mejor camino, da el primer paso y luego recalcula inmediatamente para el siguiente momento. Esto sucede tan rápido —más de 100 veces por segundo— que el robot parece estar pensando en tiempo real.

Los investigadores probaron este "cerebro" en dos versiones diferentes del péndulo doble: el Pendubot (donde el motor está en el hombro) y el Acrobot (donde el motor está en el codo). No solo probaron en una simulación por computadora; subieron su código a un robot físico en la nube y lo dejaron funcionar de verdad. Los resultados fueron impresionantes. Para el Pendubot, el robot logró balancearse hacia arriba y mantenerse en equilibrio el 100% de las veces, incluso cuando alguien le dio un empujón inesperado y aleatorio para desequilibrarlo. Para el Acrobot, tuvo éxito el 100% de las veces sin empujones, y el 70% de las veces ante perturbaciones.

Lo que hace que este enfoque destaque es cómo maneja los "desconocidos". El robot no sabía el peso exacto de sus propias partes ni cuánta fricción había en sus articulaciones. Sin embargo, al reevaluar constantemente su plan y utilizar un truco matemático especial para resolver las ecuaciones rápidamente, logró acumular la energía necesaria para balancearse hacia arriba y luego estabilizarse. El artículo sugiere que este método es lo suficientemente robusto como para manejar el caos del mundo real, demostrando que un enfoque basado en modelos puede competir con, y en algunos casos superar, otros métodos que dependen puramente del aprendizaje por ensayo y error. Aunque el Acrobot todavía necesitaba un poco de ayuda con la compensación de la fricción para ser perfecto, el éxito general demuestra que, con las herramientas matemáticas adecuadas, podemos enseñar incluso a los robots más tambaleantes a mantenerse erguidos.

Resumen Técnico: MPC No Lineal en Tiempo Real mediante SQP para el Swing-Up de un Doble Péndulo Subactuado

Formulación del Problema
Este trabajo aborda el desafío del swing-up global y la estabilización de sistemas de dos eslabones subactuados, específicamente el Pendubot (actuado en el hombro) y el Acrobot (actuado en el codo). La tarea se enmarca en el contexto de la competencia "AI Olympics with RealAIGym", donde los controladores deben ser desarrollados y evaluados directamente en el hardware "CloudPendulum", accesible de forma remota. Las restricciones clave incluyen un tiempo de interacción limitado, la ausencia de conocimiento previo sobre los parámetros del modelo del sistema y el requisito de estabilizar un equilibrio vertical inherentemente inestable utilizando un único actuador. El problema se formula como un problema de control óptimo no lineal de tiempo discreto y horizonte finito que debe dar cuenta de la dinámica no lineal, las restricciones de subactuación y los límites del actuador.

Metodología
Los autores proponen un marco de Control Predictivo Basado en Modelo (NMPC) no lineal en tiempo real basado en la Programación Cuadrática Secuencial (SQP). La metodología central involucra los siguientes componentes:

Formulación de Dinámica Inversa: La dinámica del sistema se describe mediante la ecuación del manipulador. La variable de optimización se define como la aceleración generalizada ( $\dot{v}$ ), mientras que los torques de las articulaciones se computan mediante la dinámica inversa utilizando el Algoritmo de Newton-Euler Recursivo. Esta formulación maneja explícitamente la subactuación imponiendo restricciones de igualdad que fuerzan a que el torque de la articulación pasiva sea nulo, mientras que las restricciones de desigualdad imponen los límites de torque del actuador.
Subproblemas SQP y QP: En cada paso de control, el problema de control óptimo no lineal se aproxima localmente alrededor de una trayectoria nominal para generar un Programa Cuadrático (QP) estructurado. La función de costo penaliza las velocidades articulares, el esfuerzo de control y los errores de seguimiento en el espacio de la tarea (posición de la punta para el Pendubot; posiciones del codo y de la punta para el Acrobot).
Solvers que Explotan la Estructura: Para lograr un rendimiento en tiempo real, los subproblemas QP se resuelven utilizando solvers que explotan la dispersión temporal del problema de control óptimo. Los autores utilizan dos enfoques específicos:
1. Un solver ADMM (Método de Multiplicadores de Dirección Alternante) por etapas, que utiliza recursión basada en LQR para resolver sistemas lineales sin factorizar un gran sistema KKT disperso.
2. El solver HPIPM (Método de Punto Interior de Alto Rendimiento), un método de punto interior alternativo que también explota la estructura.
Implementación en Tiempo Real: El controlador opera en un esquema de horizonte de control recurrente (receding-horizon). La solución de la instancia de control anterior se desplaza para realizar un warm-start de la trayectoria estado-control y de las variables del solver para el siguiente paso. Para cumplir con los presupuestos computacionales, el sistema realiza un número limitado de iteraciones SQP (4 para ADMM, 6 para HPIPM) por instante de muestreo, con subproblemas QP limitados a 100 iteraciones.

Contribuciones Clave

Política de Control Unificada: El artículo presenta una política única basada en optimización capaz de manejar tanto los movimientos no locales de acumulación de energía requeridos para el swing-up, como el control de retroalimentación preciso necesario para la estabilización.
Validación Hardware-in-the-Loop: A diferencia de muchos estudios teóricos, este enfoque se valida en hardware físico y accesible remotamente (CloudPendulum) sin identificación previa del sistema, demostrando robustez contra la incertidumbre del modelo y perturbaciones externas.
Comparación y Selección de Solvers: El trabajo evalúa el rendimiento de los solvers ADMM frente a HPIPM, ambos explotando la estructura, en un contexto embebido de tiempo real, seleccionando el solver óptimo para cada configuración de sistema (ADMM para Pendubot, HPIPM para Acrobot) basándose en los resultados de ajuste (tuning).

Resultados Experimentales
Los experimentos se realizaron en episodios de 60 segundos comenzando desde la configuración de suspensión hacia abajo. Se probaron dos escenarios: operación nominal y operación con perturbaciones de torque aplicadas (torques aleatorios aplicados durante 0.1s).

Desempeño del Pendubot: El controlador logró una tasa de éxito del 100% en ambos escenarios. El tiempo de actividad (uptime) mediano (tiempo pasado en la región de estabilización vertical) fue del 92.5% (55.5s) sin perturbaciones y del 87.3% (52.38s) con perturbaciones. El controlador operó a una frecuencia promedio de aproximadamente 400 Hz.
Desempeño del Acrobot: El controlador logró una tasa de éxito del 100% sin perturbaciones y del 70% con perturbaciones. El uptime mediano fue del 85.8% (51.48s) sin perturbaciones y del 69.7% (41.82s) con perturbaciones. El controlador operó a una frecuencia promedio de aproximadamente 240 Hz.
Robustez: En los escenarios de perturbación, el controlador demostró la capacidad de recuperarse de desviaciones sustanciales y restaurar el sistema al equilibrio vertical.

Significancia y Reivindicaciones
El artículo afirma que el enfoque de MPC basado en SQP que explota la estructura es capaz de generar los movimientos complejos y no locales necesarios para el swing-up, proporcionando simultáneamente una estabilización de retroalimentación robusta y rechazo de perturbaciones. Los autores enfatizan que el método cumple con éxito los requisitos computacionales de tiempo real de la plataforma CloudPendulum a pesar de la falta de conocimiento previo del modelo.

El trabajo reconoce modestamente las limitaciones actuales, específicamente la necesidad de compensación de fricción para lograr un rendimiento fiable en el sistema Acrobot. Se propone como trabajo futuro investigar la identificación de sistemas en línea para adaptar los parámetros dinámicos en tiempo real, reduiendo así el desajuste del modelo y mejorando potencialmente la fiabilidad y el rendimiento de la recuperación sin la necesidad de un ajuste manual de la compensación de fricción.

Más como este