序列凸优化在接触隐式运动规划中令人惊讶的鲁棒性研究
最优化与控制
2025-04-29 v3 机器人学
摘要
接触隐式运动规划——将接触序列嵌入为隐式互补约束——有望利用连续优化在线发现新的接触模式。然而，由此产生的优化问题作为带互补约束的数学规划的一个实例，无法满足对流行数值求解器收敛至关重要的经典约束规范。我们提出了基于序列凸规划的鲁棒接触隐式运动规划（CRISP），该求解器脱离了通常的原-对偶算法框架，而仅专注于原始问题。CRISP 在每次迭代中求解一个具有自适应信赖域半径的凸二次规划，并通过使用加权惩罚的效益函数评估其收敛性。我们 (i) 提供了 CRISP 收敛到效益函数一阶稳定点的充分条件；(ii) 发布了一个具有通用非线性规划接口的高性能 C++ 实现的 CRISP；(iii) 展示了 CRISP 在使用朴素初始化求解接触隐式规划时令人惊讶的鲁棒性。事实上，CRISP 能够以全零初始化解决多个接触隐式问题。
引用
@article{arxiv.2502.01055,
title = {On the Surprising Robustness of Sequential Convex Optimization for Contact-Implicit Motion Planning},
author = {Yulin Li and Haoyu Han and Shucheng Kang and Jun Ma and Heng Yang},
journal= {arXiv preprint arXiv:2502.01055},
year = {2025}
}