日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

最適化/接触arXiv:2604.11991

構成による相補性: 線形相補性制約付き二次計画問題を解くリー群アプローチ

Complementarity by Construction: A Lie-Group Approach to Solving Quadratic Programs with Linear Complementarity Constraints

シェア:XThreadsFacebookLINEはてブBluesky

ロボティクスにおける接触問題をモデル化する線形相補性制約付き二次計画問題(LCQP)を、相補性制約がリー群を形成する性質を利用してオン多様体最適化で解く新しいソルバーを提案した。

詳しい要約

1. どんなもの?

- ロボティクスにおける連続ダイナミクスと離散イベント(接触の生成・消滅など)の混合問題を扱う。 - 線形相補性二次計画問題(LCQP)は、相補性制約を導入したQPの拡張であり、局所的に良好にモデル化できる。 - しかしLCQPは非凸であり、計画パイプラインで使える良質な局所解を計算するソルバーはほとんど存在しない。 - 本研究では、相補性制約が無限小緩和の下でLie群を形成することを観察し、この構造を利用して多様体上の最適化を行う。 - 数値的に安定なretraction mapを導入し、制約を構成により満たすようにパラメータ化する。 - その結果、相補性制約に関する多くの古典的問題を回避するソルバーを実現。 - オープンソースソルバーMarbleを提供(C++実装、JuliaとPythonバインディング)。 - ベンチマーク問題で競争力があり、既存手法が収束しないロボティクス問題を解くことを示す。

2. 先行研究と比べてどこがすごい?

- 従来のLCQPソルバーは非凸性のため局所解の質が低く、計画パイプラインでの利用が困難であった。 - 既存手法では相補性制約の取り扱いに古典的な問題(例:収束失敗)が生じることが多い。 - 本研究はLie群構造を利用した多様体最適化により、制約を構成的に満たすため、これらの問題を回避する。 - ベンチマークで競争力があり、既存手法が収束しないロボティクス問題を解ける点が優れている。 - 具体的な先行研究名は要旨からは不明。

3. 技術・手法の肝は?

- 相補性制約が無限小緩和の下でLie群を形成するという観察に基づく。 - このLie群構造を利用して多様体上の最適化(on-manifold optimization)を行う。 - 数値的に安定なretraction mapを導入し、制約を構成により満たすようにパラメータ化する。 - これにより、相補性制約に関する古典的問題を回避する。 - ソルバーMarbleはC++で実装され、JuliaとPythonバインディングを提供。

4. どうやって有効だと検証した?

- ベンチマーク問題のスイートでMarbleが競争力があることを示した。 - 既存手法が収束しないロボティクス問題を解くことを示した。 - 具体的なベンチマーク名や評価指標は要旨からは不明。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、LCQPソルバー(例:既存のLCQPソルバー)や、相補性制約を扱う最適化手法(例:mixed-integer programming、relaxation-based methods)が挙げられる。 - 同分野の定番として、trajectory optimizationやcontact-implicit planningの文献を参照すると良い。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Arun L. Bishop, Micah I. Reich, Zachary Manchester

分類: cs.RO

原文アブストラクト

Many problems in robotics require reasoning over a mix of continuous dynamics and discrete events, such as making and breaking contact in manipulation and locomotion. These problems are locally well modeled by linear complementarity quadratic programs (LCQPs), an extension to QPs that introduce complementarity constraints. While very expressive, LCQPs are non-convex, and few solvers exist for computing good local solutions for use in planning pipelines. In this work, we observe that complementarity constraints form a Lie group under infinitesimal relaxation, and leverage this structure to perform on-manifold optimization. We introduce a retraction map that is numerically well behaved, and use it to parameterize the constraints so that they are satisfied by construction. The resulting solver avoids many of the classical issues with complementarity constraints. We provide an open-source solver, Marble, that is implemented in C++ with Julia and Python bindings. We demonstrate that Marble is competitive on a suite of benchmark problems, and solves a number of robotics problems where existing approaches fail to converge.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI