⚡ electrical engineering

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

Cet article présente une stratégie de commande prédictive non linéaire en temps réel basée sur la programmation quadratique séquentielle qui parvient avec succès au redressement (swing-up) et à la stabilisation robustes d'un système de double pendule sous-actionné sur un matériel inconnu pour la compétition « AI Olympics with RealAIGym ».

Auteurs originaux : Nick Karydakis, Konstantinos Chatzilygeroudis

Publié 2026-08-11

📖 4 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Nick Karydakis, Konstantinos Chatzilygeroudis

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayiez d'apprendre à un robot à faire un salto arrière. Vous ne pouvez pas simplement lui dire « saute » et espérer que tout se passe bien ; vous devez déterminer exactement quelle force appliquer, quand replier ses genoux et comment atterrir sans s'écraser. C'est le monde du contrôle de la robotique, un domaine dédié à donner aux machines la « mémoire musculaire » nécessaire pour se déplacer dans le monde réel. Au cœur de ce défi se trouve un concept appelé Contrôle Prédictif par Modèle (MPC). Considérez le MPC comme un GPS ultra-perfectionné pour un robot. Au lieu de regarder simplement où se trouve le robot à l'instant présent, le GPS regarde constamment vers l'avenir, simulant des milliers de trajectoires futures possibles en une fraction de seconde pour décider de la meilleure prochaine étape. C'est comme un joueur d'échecs qui ne se contente pas de réfléchir un coup à l'avance, mais qui calcule toute la partie pour garantir la victoire.

Maintenant, imaginez que le robot que vous contrôlez est un pendule double — un bâton auquel un autre bâton est attaché à son extrémité, oscillant librement. Ce système est notoirement complexe car il est sous-actionné, ce qui signifie qu'il possède plus de pièces mobiles que de moteurs. C'est comme essayer de faire tenir un balai en équilibre sur sa main alors que votre main est attachée à une corde ; vous devez le balancer sauvagement pour accumuler de l'énergie avant de pouvoir enfin le maintenir verticalement. Ce casse-tête spécifique est le point central des « Jeux Olympiques de l'IA avec RealAIGym », une compétition où les équipes doivent programmer un robot pour qu'il se balance vers le haut à partir d'une position pendante et reste en équilibre, tout en sachant que le poids exact et le frottement du robot sont un mystère pour le programmeur.

L'article de Karydakis et Chatzilygeridis présente une solution ingénieuse à ce problème en utilisant une méthode appelée Programmation Quadratique Séquentielle (SQP). Au lieu de deviner et de vérifier, leur contrôleur agit comme un maître stratège qui décompose le problème complexe et vacillant du balancement d'un pendule double en une série de puzzles plus petits et plus gérables. À chaque infime fraction de seconde, le robot se demande : « Si je déplace mon moteur de cette façon, où serai-je dans les prochaines étapes ? » Il résout un problème mathématique simplifié pour trouver la meilleure trajectoire, effectue la première étape, puis recalcule immédiatement pour le moment suivant. Cela se produit si rapidement — plus de 100 fois par seconde — que le robot semble penser en temps réel.

Les chercheurs ont testé ce « cerveau » sur deux versions différentes du pendule double : le Pendubot (où le moteur est à l'épaule) et l'Acrobot (où le moteur est au coude). Ils n'ont pas seulement testé cela dans une simulation informatique ; ils ont téléchargé leur code sur un robot physique dans le cloud et l'ont laissé fonctionner en conditions réelles. Les résultats ont été impressionnants. Pour le Pendubot, le robot a réussi à se balancer vers le haut et à rester en équilibre 100 % du temps, même lorsqu'on lui donnait une poussée aléatoire et inattendue pour le déséquilibrer. Pour l'Acrobot, il a réussi 100 % du temps sans poussées, et 70 % du temps en cas de perturbation.

Ce qui distingue cette approche, c'est la manière dont elle gère les « inconnues ». Le robot ne connaissait pas le poids exact de ses propres composants ni la quantité de friction dans ses articulations. Pourtant, en réévaluant constamment son plan et en utilisant une astuce mathématique spéciale pour résoudre les équations rapidement, il a réussi à accumuler l'énergie nécessaire pour se balancer vers le haut, puis pour se stabiliser. L'article suggère que cette méthode est assez robuste pour gérer le chaos du monde réel, prouvant qu'une approche basée sur un modèle peut rivaliser avec, et dans certains cas surpasser, d'autres méthodes qui reposent purement sur l'apprentissage par essais et erreurs. Bien que l'Acrobot ait encore eu besoin d'un peu d'aide avec la compensation de friction pour être parfait, le succès global montre qu'avec les bons outils mathématiques, nous pouvons apprendre même aux robots les plus instables à se tenir debout.

Résumé Technique : NMPC Non Linéaire en Temps Réel via SQP pour le Swing-Up d'un Double Pendule Sous-Actionné

Formulation du Problème
Ce travail traite du défi du swing-up global et de la stabilisation de systèmes à deux liaisons sous-actionnés, spécifiquement le Pendubot (actionné à l'épaule) et l'Acrobot (actionné au coude). La tâche est formulée dans le contexte de la compétition « AI Olympics with RealAIGym », où les contrôleurs doivent être développés et évalués directement sur du matériel « CloudPendulum » accessible à distance. Les contraintes clés incluent un temps d'interaction limité, l'absence de connaissance préalable des paramètres du modèle du système, et l'exigence de stabiliser un équilibre vertical intrinsèquement instable à l'aide d'un seul actionneur. Le problème est formulé comme un problème de contrôle optimal non linéaire à horizon fini et en temps discret, qui doit tenir compte de la dynamique non linéaire, des contraintes de sous-actionnement et des limites d'actionneur.

Méthodologie
Les auteurs proposent un cadre de commande prédictive non linéaire (NMPC) en temps réel basé sur la programmation quadratique séquentielle (SQP). La méthodologie centrale comprend les composants suivants :

Formulation par Dynamique Inverse : La dynamique du système est décrite à l'aide de l'équation du manipulateur. La variable d'optimisation est définie comme l'accélération généralisée ( $\dot{v}$ ), tandis que les couples articulaires sont calculés par dynamique inverse en utilisant l'algorithme de Newton-Euler récursif. Cette formulation gère explicitement le sous-actionnement en imposant des contraintes d'égalité qui forcent le couple de l'articulation passive à s'annuler, tandis que les contraintes d'inégalité imposent les limites de couple de l'actionneur.
Sous-problèmes SQP et QP : À chaque étape de contrôle, le problème de contrôle optimal non linéaire est approximé localement autour d'une trajectoire nominale pour générer un programme quadratique (QP) structuré. La fonction de coût pénalise les vitesses articulaires, l'effort de commande et les erreurs de suivi de l'espace de la tâche (position de l'extrémité pour le Pendubot ; positions du coude et de l'extrémité pour l'Acrobot).
Solveurs Exploitant la Structure : Pour atteindre des performances en temps réel, les sous-problèmes QP sont résolus à l'aide de solveurs qui exploitent la parcimonie temporelle du problème de contrôle optimal. Les auteurs utilisent deux approches spécifiques :
1. Un solveur ADMM (méthode des multiplicateurs de direction alternée) par étapes, qui utilise une récursion basée sur le LQR pour résoudre des systèmes linéaires sans factoriser un grand système KKT creux.
2. Le solveur HPIPM (High Performance Interior Point Method), une méthode de point intérieur alternative exploitant la structure.
Mise en Œuvre en Temps Réel : Le contrôleur fonctionne selon un principe d'horizon fuyant (receding-horizon). La solution de l'instant de contrôle précédent est décalée pour servir de point de départ (warm-start) à la trajectoire état-commande et aux variables du solveur pour l'étape suivante. Pour respecter les budgets de calcul, le système effectue un nombre limité d'itérations SQP (4 pour ADMM, 6 pour HPIPM) par instant d'échantillonnage, avec des sous-problèmes QP limités à 100 itérations.

Contributions Clés

Politique de Contrôle Unifiée : Le papier présente une politique d'optimisation unique capable de gérer à la fois les mouvements non locaux de création d'énergie nécessaires au swing-up et le contrôle par rétroaction précis nécessaire à la stabilisation.
Validation par Boucle Matérielle (Hardware-in-the-Loop) : Contrairement à de nombreuses études théoriques, cette approche est validée sur du matériel physique, accessible à distance (CloudPendulum), sans identification préalable du système, démontrant une robustesse face à l'incertitude du modèle et aux perturbations externes.
Comparaison et Sélection de Solveurs : Le travail évalue les performances d'un solveur ADMM exploitant la structure par rapport au solveur HPIPM dans un contexte embarqué en temps réel, sélectionnant le solveur optimal pour chaque configuration de système (ADMM pour le Pendubot, HPIPM pour l'Acrobot) en fonction des résultats de réglage.

Résultats Expérimentaux
Les expériences ont été menées sur des épisodes de 60 secondes commençant par la configuration pendulaire vers le bas. Deux scénarios ont été testés : un fonctionnement nominal et un fonctionnement avec application de perturbations de couple (couples aléatoires appliqués pendant 0,1 s).

Performance du Pendubot : Le contrôleur a atteint un taux de succès de 100 % dans les deux scénarios. Le temps de présence médian (temps passé dans la région de stabilisation verticale) était de 92,5 % (55,5 s) sans perturbations et de 87,3 % (52,38 s) avec perturbations. Le contrôleur a fonctionné à une fréquence moyenne d'environ 400 Hz.
Performance de l'Acrobot : Le contrôleur a atteint un taux de succès de 100 % sans perturbations et de 70 % avec des perturbations. Le temps de présence médian était de 85,8 % (51,48 s) sans perturbations et de 69,7 % (41,82 s) avec des perturbations. Le contrôleur a fonctionné à une fréquence moyenne d'environ 240 Hz.
Robustesse : Dans les scénarios de perturbation, le contrôleur a démontré sa capacité à se rétablir de déviations substantielles et à restaurer le système à l'équilibre vertical.

Signification et Revendications
Le papier affirme que l'approche MPC basée sur SQP exploitant la structure est capable de générer les mouvements complexes et non locaux nécessaires au swing-up tout en fournissant simultanément une stabilisation par rétroaction robuste et un rejet de perturbation. Les auteurs soulignent que la méthode répond avec succès aux exigences de calcul en temps réel de la plateforme CloudPendulum malgré l'absence de connaissance préalable du modèle.

Le travail reconnaît modestement les limites actuelles, spécifiquement le besoin de compensation de frottement pour obtenir des performances fiables sur le système Acrobot. Des travaux futurs sont proposés pour étudier l'identification de système en ligne afin d'adapter les paramètres dynamiques en temps réel, réduisant ainsi l'écart de modèle et améliorant potentiellement la fiabilité et la performance de récupération sans réglage manuel de la compensation de frottement.

Articles similaires