CacheMPC: Certified Cached Model Predictive Control for Quadruped Locomotion

Robots die op vier poten lopen zijn al lang een droom van ingenieurs, maar het laten bewegen met de vloeiende gratie van een hond of een kat vereist het oplossen van een complexe puzzel in realtime. In de kern van deze uitdaging ligt een wiskundig proces genaamd model voorspellende controle (model predictive control). Stel je een robot voor die constant vooruitkijkt, duizenden mogelijke toekomstige stappen simuleert om te beslissen welke voet hij als volgende moet plaatsen en hoe hard hij tegen de grond moet duwen. Dit proces zorgt ervoor dat de robot in evenwicht blijft en zijn pad volgt, maar het is ongelooflijk veeleisend. Op de kleine, krachtige computers die in moderne robots zijn ingebouwd, is het draaien van deze simulaties snel genoeg om het tempo van de bewegingen van de robot bij te houden een grote flessenhals. Als de computer er te lang over doet om de volgende stap te berekenen, struikelt de robot. Jarenlang hebben onderzoekers gezocht naar manieren om deze berekeningen te versnellen zonder de veiligheid en precisie op te offeren die nodig zijn voor een machine om op ongelijk terrein te lopen of te herstellen van een duw.

Een team onderzoekers van de Indian Institutes of Technology heeft een nieuwe aanpak ontwikkeld om dit timingprobleem op te lossen, die ze Certified CacheMPC noemen. In plaats van de computer van de robot te dwingen om het complexe wiskundige probleem elke keer dat hij moet bewegen opnieuw vanaf nul op te lossen, onthoudt het systeem oplossingen die het al eerder heeft gevonden. Omdat een lopende robot vaak vergelijkbare situaties opnieuw tegenkomt — zoals hetzelfde loopritme of hetzelfde type terrein — realiseerden de onderzoekers zich dat ze deze eerdere oplossingen in een digitale bibliotheek konden opslaan. Wanneer de robot een situatie tegenkomt die hij eerder heeft gezien, kan het systeem de oude oplossing snel ophalen in plaats van deze opnieuw te berekenen. Het simpelweg hergebruiken van een oud antwoord is echter riskant; als de huidige situatie zelfs maar een klein beetje anders is, kan het oude antwoord fout zijn en een val veroorzaken. Om dit aan te pakken, bouwde het team een strikt verificatiesysteem. Elke keer dat de robot overweegt een opgeslagen oplossing te gebruiken, bevestigt een snelle controle of het antwoord nog steeds veilig en nauwkeurig genoeg is voor het huidige moment. Als de controle slaagt, gebruikt de robot het opgeslagen antwoord onmiddellijk. Als de controle faalt, valt de computer terug op het oplossen van het probleem vanaf nul, zodat de robot nooit handelt op basis van een slechte gok.

De onderzoekers testten dit systeem op een viervoetige robot die bekend staat als de Unitree Go2, met behulp van zowel hoogwaardige computersimulaties als een fysieke robot uitgerust met een onboard computer. In de simulaties stelde de nieuwe methode de robot in staat om ongeveer vijfentwintig keer sneller beslissingen te nemen dan de standaardmethode wanneer hij een opgeslagen oplossing succesvol ophaalde. Deze versnelling was niet alleen een theoretische winst; het vertaalde zich direct naar de fysieke robot, waar de ongegate versie van het systeem bijna negentien keer sneller werkte tijdens succesvolle ophaalacties. De onderzoekers merkten echter op dat wanneer de strikte veiligheidsverificatie volledig was ingeschakeld op de fysieke robot, het systeem eigenlijk langzamer was dan de standaardmethode omdat het verificatieproces zelf aanzienlijke tijd in beslag nam. Het team voerde meer dan tweeduizend afzonderlijke proeven uit om te zien hoe het systeem presteerde onder druk, inclusief scenario's waarin de robot hard van opzij werd geduwd of trappen moest beklimmen. Ze ontdekten dat het gebruik van het geheugensysteem de stabiliteit van de robot niet verminderde. Sterker nog, bij de grenzen van wat de robot kon verwerken, presteerde het systeem net zo goed als de standaardmethode, zonder statistisch significant verschil in hoe vaak de robot rechtop bleef staan.

Een cruciaal onderdeel van hun werk was bewijzen dat het systeem niet stilzwijgend zou falen. Ze ontwierpen de verificatiecontrole om als poortwachter te fungeren. Als de computer van de robot probeert een opgeslagen oplossing te gebruiken, berekent de controle een specifieke foutmarge. Als de potentiële fout te hoog is, verwerpt het systeem de opgeslagen oplossing en dwingt het de computer om het zware werk van het vers opnieuw op te lossen. Dit zorgt ervoor dat de robot nooit een kortere weg neemt die de veiligheid in gevaar brengt. De onderzoekers testten ook wat er gebeurt als de computer onder extreme tijdsdruk staat, waarbij een situatie wordt gesimuleerd waarin de robot een beslissing moet nemen in een fractie van een seconde. Zelfs toen de deadline krap was, slaagde het systeem erin een veilig pad te vinden, ofwel door een goede opgeslagen oplossing te vinden, ofwel door terug te vallen op een eerder geverifieerde veilige beweging als de nieuwe berekening te lang duurde.

Toen het team het systeem naar de eigenlijke robothardware verplaatste, waren de resultaten iets anders maar nog steeds succesvol. De onboard computer was trager dan de krachtige workstation die voor simulaties werd gebruikt, wat betekende dat de verificatiecontrole een groter deel van de beschikbare tijd in beslag nam. Gevolgen daarvan wees het systeem meer opgeslagen oplossingen af op de fysieke robot dan in de simulatie, wat leidde tot minder gevallen waarin de robot de zware berekening kon overslaan. Ondanks dit bood het systeem nog steeds een aanzienlijk snelheidsvoordeel ten opzichte van de standaardmethode wanneer het een match vond, en de robot liep soepel zonder te vallen tijdens de testsessies. De onderzoekers merkten op dat hoewel de veiligheidscontrole precies werkte zoals ontworpen, de huidige steekproefomvang van de tests niet groot genoeg was om te bewijzen dat de controle de robot aanzienlijk veiliger maakte dan het zonder zou zijn geweest. De gegevens toonden aan dat de robot in beide gevallen stabiel was, wat suggereert dat het verificatiesysteem een betrouwbaar vangnet is in plaats van de enige reden waarom de robot rechtop bleef staan.

De studie concludeert dat cachen, of het onthouden van eerdere oplossingen, een levensvatbare manier is om looprobots sneller en responsiever te maken, mits er een rigoureuze manier is om die herinneringen te verifiëren. De onderzoekers hebben aangetoond dat ze een systeem kunnen bouwen dat het verleden onthoudt zonder erdoor gevangen te worden. Door een snelle zoekmethode te combineren met een strikt veiligheidscertificaat, creëerden ze een controller die zich in realtime aan de behoeften van de robot kan aanpassen. Het werk suggereert dat toekomstige robots een groeiende bibliotheek van ervaringen kunnen dragen, waardoor ze kunnen leren van hun eigen bewegingen en kunnen reageren met de snelheid van een reflex, terwijl ze de zorgvuldige planning van een wiskundige behouden. Deze balans tussen snelheid en veiligheid is essentieel voor robots die op een dag naast mensen zullen lopen in complexe, onvoorspelbare omgevingen.