Sintesi Tecnica: ELASTIC ODYN

Problematica

I sistemi robotici si trovano frequentemente in scenari in cui i problemi di ottimizzazione diventano irrealizzabili a causa di obiettivi contrastanti, errori di modellazione o condizioni di contatto degenerate (ad esempio, Jacobiani di contatto con rango deficente). I tipici solutori di programmazione quadratica (QP) e gli strati di ottimizzazione differenziabile assumono solitamente la fattibilità. Quando i vincoli non possono essere soddisfatti simultaneamente, questi metodi soffrono spesso di fallimenti numerici, gradienti instabili o completo arresto del solutore. Questa limitazione ostacola il Model Predictive Control (MPC), la Sequential Quadratic Programming (SQP) e le pipeline di apprendimento basate sulla robotica, in particolare in contesti real-time ad alta dimensionalità dove le iterazioni intermedie possono essere irrealizzabili.

Metodologia

Il documento introduce ELASTIC ODYN, un framework progettato per gestire l'irrealizzabilità, la degenerazione e il cattivo condizionamento attraverso rilassamenti elastici $\ell_2$-quadrati fluidi. La metodologia si basa su tre componenti principali:

1. Il Solutore ELASTIC ODYN

Si tratta di un solutore QP primal-dual non a punto interno. A differenza dei metodi a punto interno (IPM) che richiedono una stretta fattibilità per seguire un percorso centrale, ELASTIC ODYN opera al di fuori dell'insieme ammissibile.

• Formulazione Elastica: I vincoli rigidi ($Ax=b, Gx \le h$) vengono rilassati utilizzando variabili elastiche ($s_e, s_i$) con penalità quadratiche nella funzione obiettivo. Ciò trasforma il problema in una forma non vincolata che rimane ben posta anche quando i vincoli originali sono contraddittori.
• Approccio Penalità-Barriera: Il solutore utilizza una formulazione penalità-barriera in cui una funzione barriera agisce su una variabile di consenso piuttosto che direttamente sulle variabili di slack. Ciò consente alle iterazioni di lasciare l'interno della regione ammissibile mantenendo una struttura primal-dual ben definita.
• Sistema Newton: Il metodo impiega un sistema KKT elastico ridotto risolto tramite il metodo di Newton. Incorpora penalità prossimali sulle variabili primal e dual per garantire robustezza sotto degenerazione.
• Convergenza: Il solutore è garantito convergere alla soluzione "più vicina alla fattibilità" (in senso least-violation $\ell_2$) quando non esiste un punto ammissibile.

2. Raffinamento delle Variabili Duali

Sebbene la formulazione elastica fornisca una soluzione primal robusta, le variabili duali associate codificano violazioni penalizzate piuttosto che vere sensibilità fisiche (ad esempio, forze di contatto). Per affrontare questo, gli autori introducono una fase di raffinamento leggera. Questa fase parte da un warm-start dalla soluzione elastica primal, sposta i vincoli tramite le variabili di rilassamento elastico ottimali e risolve nuovamente il problema a vincoli rigidi. Ciò recupera variabili duali fisicamente significative e sensibilità coerenti in pochissime iterazioni.

3. Estensioni Differenziabili e SQP

• ELASTIC ODYNLAYER: Uno strato QP differenziabile che estende il solutore alle pipeline di apprendimento. Rimane strettamente convesso e $C^1$ (continuamente differenziabile) anche in caso di irrealizzabilità. Il passaggio backward combina gradienti impliciti attraverso il sistema KKT con correzioni esplicite derivate dalle variabili di rilassamento elastico, garantendo gradienti stabili per l'identificazione dei parametri anche quando i vincoli sono in conflitto.
• ELASTIC ODYNSQP: Un metodo SQP consapevole dell'irrealizzabilità per il controllo ottimo non lineare. Risolve linearizzazioni inconsistenti e compiti intrinsecamente irrealizzabili rilassando selettivamente specifiche categorie di vincoli (ad esempio, dinamica vs cinematica) nel blocco elastico, mantenendo altri come rigidi. Impiega una funzione di merito che bilancia le penalità elastiche e i residui rigidi per garantire la discesa.

Contributi Chiave

Il documento delinea quattro contributi primari:

1. Solutore ELASTIC ODYN: Un solutore QP elastico $\ell_2$-non-punto-interno, fluido, capace di gestire robustamente problemi irrealizzabili, degeneri e mal condizionati.
2. Recupero Duale: Una procedura di raffinamento che recupera variabili duali interpretabili dalla soluzione elastica, rendendo il framework adatto ad applicazioni di fisica del contatto.
3. Ottimizzazione Differenziabile: ELASTIC ODYNLAYER, uno strato QP privo di proiezioni e completamente fluido che fornisce derivate ben definite sia per problemi fattibili che irrealizzabili, consentendo l'apprendimento basato sul gradiente in contesti vincolati.
4. SQP Consapente dell'Irrealizzabilità: ELASTIC ODYNSQP, un framework che risolve sottoproblemi inconsistenti e compiti di controllo ottimo irrealizzabili attraverso il rilassamento selettivo dei vincoli.

Risultati Sperimentali

Il framework è stato valutato in quattro domini:

• Benchmark QP: Sul set di test Maros–Mészáros, ELASTIC ODYN ha dimostrato prestazioni di warm-start superiori e tassi di fallimento inferiori rispetto a solutori allo stato dell'arte come PROXQP, OSQP e GUROBI, particolarmente in regimi ad alta accuratezza e perturbati.
• QP Irrealizzabili/Mal Condizionati: In test con vincoli deliberatamente contrastanti e scarsa scalabilità, ELASTico ODYN è confluito costantemente nelle soluzioni analitiche di tipo minimi quadrati, mentre i competitor spesso fallivano o andavano in timeout.
• Meccanica del Contatto: In una simulazione di disco-in-tubo senza attrito con normali di contatto degenerate, il solutore ha risolto con successo le singolarità ammettendo una penetrazione controllata, ripristinando la generazione di forza dove i metodi standard fallirebbero.
• Apprendimento e Controllo:
  • Identificazione dei Parametri: Lo strato differenziabile ha addestrato con successo un coefficiente di restituzione in un contesto di impatto elastico, convergendo fluidamente verso il valore reale nonostante l'irrealizzabilità iniziale.
  • Ottimizzazione della Traiettoria: Nei compiti di locomozione per quadrupedi (ANYmal) e umanoidi (Talos), ELASTIC ODYNSQP è confluito verso soluzioni fattibili o di minimi quadrati dove i metodi SQP a vincoli rigidi si sono bloccati o sono divergenti, anche sotto target contrastanti e vincoli stretti.

Significato

Il documento afferma che ELASTIC ODYN unifica la gestione dell'irrealizzabilità, la robustezza numerica e la differenziabilità, affrontando una carenza fondamentale nei processi esistenti di robotica e AI basati sull'ottimizzazione. Muovendosi oltre le assunzioni di stretta fattibilità, il framework consente:

• Controllo Robusto: Operatività affidabile in ambienti dinamici dove i vincoli possono temporaneamente entrare in conflitto.
• Apprendimento Stabile: La capacità di addestrare strati di ottimizzazione attraverso regioni irrealizzabili senza collasso del gradiente.
• Framework Unificato: Un unico approccio che gestisce compiti di simulazione, controllo e apprendimento che precedentemente erano soggetti a rottura del solutore a causa di irrealizzabilità o degenerazione.

Gli autori posizionano questo lavoro come un passo verso una robotica basata sull'ottimizzazione che possa operare efficacemente "oltre le assunzioni di fattibilità dei metodi esistenti".