Leveraging Precision in Numerical Optimization for Robotic Motions
Automated vehicles and complex robot workers are expected to be used massively soon, with positive impacts on security, health at work and productivity. To handle real-world situations, they need to compute their command as fast a...
Automated vehicles and complex robot workers are expected to be used massively soon, with positive impacts on security, health at work and productivity. To handle real-world situations, they need to compute their command as fast as possible, but the advanced, safe control algorithms remain a computational bottleneck.
To find the solution to a set of motion specifications and constraints for a robot, a widely used approach is to formulate and solve an optimization problem. The formulation is necessarily imprecise, due to modeling, sensing and estimation errors and the solution will not be executed perfectly by the robot. Yet the optimization solvers used in robotics are designed to converge to an exact solution with high precision, wasting time.
In this project, I make a change of paradigm by leveraging approximations and investigate how the absence of need for high precision can be used to develop faster solvers. I study what approximations or errors are acceptable for the problem formulation and the solution, paying attention to the numeric properties of the problem. I use this knowledge to develop a solver tailored for approximate computations, with an emphasize on cheap but imprecise inner iterations and early termination. It will also handle gracefully infeasible situations due to errors, making it safer to operate in real conditions.
To make the study, and test and benchmark the solver, I focus on two families of control problems: model predictive control and instantaneous linearized control, applied to a wide variety of systems, from buses, to rockets, to humanoid robots.
This solver will have important impacts: make it possible to achieve real-time control for the most complex system; allow to keep real-time, when it was already possible, while enriching the problems; reduce the computing power and energy consumption required for a given robot. Understanding and handling imprecisions would also allow to build less precise and thus cheaper robots.ver más
06-11-2024:
IDAE Cadena de Valor...
Se ha cerrado la línea de ayuda pública: Ayudas a Proyectos para reforzar la Cadena de Valor de equipos necesarios para la transición a una economía de cero emisiones netas
05-11-2024:
Cataluña Gestión For...
Se abre la línea de ayuda pública: Gestión Forestal Sostenible para Inversiones Forestales Productivas para el organismo:
04-11-2024:
Doctorados industria...
Se ha cerrado la línea de ayuda pública: Formación de doctores y doctoras de las universidades del Sistema universitario de Galicia (SUG) en empresas y centros de innovación y tecnología para el organismo:
Seleccionando "Aceptar todas las cookies" acepta el uso de cookies para ayudarnos a brindarle una mejor experiencia de usuario y para analizar el uso del sitio web. Al hacer clic en "Ajustar tus preferencias" puede elegir qué cookies permitir. Solo las cookies esenciales son necesarias para el correcto funcionamiento de nuestro sitio web y no se pueden rechazar.
Cookie settings
Nuestro sitio web almacena cuatro tipos de cookies. En cualquier momento puede elegir qué cookies acepta y cuáles rechaza. Puede obtener más información sobre qué son las cookies y qué tipos de cookies almacenamos en nuestra Política de cookies.
Son necesarias por razones técnicas. Sin ellas, este sitio web podría no funcionar correctamente.
Son necesarias para una funcionalidad específica en el sitio web. Sin ellos, algunas características pueden estar deshabilitadas.
Nos permite analizar el uso del sitio web y mejorar la experiencia del visitante.
Nos permite personalizar su experiencia y enviarle contenido y ofertas relevantes, en este sitio web y en otros sitios web.