日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

制御arXiv:2608.03051

CUDA MPC: GPUネイティブなモデル予測制御ソルバー

CUDA MPC: A GPU-Native Solver for Model Predictive Control

シェア:XThreadsFacebookLINEはてブBluesky

モデル予測制御のオンライン最適化をGPU上で完結させるフレームワークを提案し、長い予測ホライズンでもリアルタイム制御を実現した。

詳しい要約

1. どんなもの?

CUDA MPCは、Model Predictive Control (MPC) のためのGPUネイティブなソルバーを提案する。MPCは制約を考慮した制御を提供するが、オンライン最適化に依存するため、高速なダイナミクスや高次元モデル、長いホライズンを持つシステムでの利用が制限される。既存のGPU実装はデバイスを線形代数アクセラレータとして扱い、最適化ループは繰り返しのカーネル起動と高レイテンシのメモリ転送に依存していた。CUDA MPCは、最適化アルゴリズム、実行モデル、メモリ構造をCUDAハードウェア向けに共同設計する。

2. 先行研究と比べてどこがすごい?

既存のGPU実装はデバイスを線形代数アクセラレータとして扱い、最適化ループがカーネル起動とメモリ転送に依存していた。CUDA MPCは、ホライズン方向に並列なADMM分割と融合カーネルを組み合わせ、デバイス上で反復解法全体を実行する。中間変数をオンチップの共有メモリに保持し、局所的なアトミックフラグプロトコルで隣接ホライズンブロックのみを同期することで、ホスト介入、カーネルディスパッチオーバーヘッド、グローバルメモリトラフィックを最小化する。

3. 技術・手法の肝は?

手法の肝は、ホライズン方向に並列なADMM分割と、CUDAカーネル全体を融合してデバイス上で実行すること。中間変数は低レイテンシの共有メモリに保持され、局所的なアトミックフラグプロトコルで隣接ホライズンブロックのみを同期する。これにより、ホスト介入、カーネルディスパッチオーバーヘッド、グローバルメモリトラフィックを最小化する。

4. どうやって有効だと検証した?

6つの非線形ロボティクスベンチマーク(状態次元と制約密度が増加)で評価。CPUソルバーより1〜2桁長いホライズンでリアルタイムレートを維持。衝突回避駐車問題では100秒のルックアヘッドを0.1秒のサンプリング間隔で解決。集中型10エージェント群れでは、acadosとCasADiが実行可能解を返さず、1回の解決に3.5秒と4.5秒かかるのに対し、CUDA MPCのみがリアルタイム実行と衝突回避を達成。同じADMM分割のテンソルフレームワーク実装と比較して、融合カーネルは最大965倍高速。

5. 議論はある?

要旨からは、CUDA MPCが特定のハードウェア(CUDA対応GPU)に依存することや、ADMMの収束性や汎用性に関する議論は不明。また、ベンチマークが非線形ロボティクスに限定されており、他の分野への適用性や、大規模問題でのスケーラビリティについての議論は要旨に含まれていない。

6. 次に読むべき論文は?

要旨で参照されているのは、acadosとCasADi(比較対象のCPUソルバー)、およびADMM(手法の基盤)である。次に読むべき論文としては、ADMMの理論的基盤に関する論文(Boyd et al. 2011)や、GPUベースの最適化ソルバーに関する研究が考えられる。

※ 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: Babak Akbari, Melissa Greeff

分類: cs.RO, cs.DC, cs.SY, eess.SY

原文アブストラクト

Model Predictive Control (MPC) delivers constraint-aware control, but its reliance on online optimization limits its use on systems with fast dynamics, high-dimensional models, or long horizons. Existing GPU implementations typically treat the device as a linear-algebra accelerator, leaving the optimization loop dependent on repeated kernel launches and high-latency memory transfers. This paper introduces CUDA MPC, a GPU-native MPC framework that co-designs the optimization algorithm, execution model, and memory architecture for CUDA hardware. CUDA MPC pairs a parallel-in-horizon alternating direction method of multipliers (ADMM) splitting with a fused CUDA kernel that runs the entire iterative solve on the device. Intermediate optimization variables stay in low-latency, on-chip shared memory, and a localized atomic-flag protocol synchronizes only adjacent horizon blocks, minimizing host intervention, kernel-dispatch overhead, and global-memory traffic. Across six nonlinear robotics benchmarks spanning increasing state dimension and constraint density, CUDA MPC sustains real-time rates at horizons one to two orders of magnitude longer than CPU solvers: it solves an optimization-based collision-avoidance parking problem with 100 s of lookahead within a 0.1 s sampling interval, and is the only solver evaluated that achieves both real-time execution and collision-free coordination for a centralized 10-agent swarm, where acados and CasADi return no feasible solution and require 3.5 s and 4.5 s per solve. Against tensor-framework implementations of the same ADMM splitting, the fused kernel is up to $965\times$ faster.

関連論文

  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