Constraint Manifold

Auch genannt: constraint surface
Kategorie: Planning & manipulation › Trajectory optimisation
Schlagwörter: motion-planning, configuration-space, constrained-planning, bimanual-manipulation, sampling-based-planning

Die Menge der Roboterkonfigurationen, die eine oder mehrere Gleichheitsbedingungen erfüllen, etwa ein Tablett waagerecht zu halten; meist eine niedrigerdimensionale Fläche im Konfigurationsraum.

Definition

Eine Constraint-Mannigfaltigkeit (constraint manifold) ist die Teilmenge des Konfigurationsraums, die aus allen Konfigurationen q besteht, die eine Gleichheitsbedingung F(q) = 0 erfüllen. Typische Bedingungen legen einen Teil der Endeffektor-Pose fest: eine Tasse aufrecht halten, einen Stift an ein Whiteboard drücken, einen Greifer an einer Türklinke halten, während die Tür aufschwingt, oder eine feste Transformation zwischen zwei Händen beibehalten, die dasselbe Objekt halten. Sind die k Bedingungsgleichungen unabhängig, besagt der Satz über implizite Funktionen, dass die Lösungsmenge lokal eine glatte (n − k)-dimensionale Mannigfaltigkeit im n-dimensionalen Konfigurationsraum ist. Weil sie eine geringere Dimension hat als der umgebende Raum, hat sie das Volumen null: Eine zufällig gezogene Konfiguration erfüllt die Bedingung mit Wahrscheinlichkeit null.

Genau diese Eigenschaft macht Bewegungsplanung unter Zwangsbedingungen schwierig. Samplingbasierte Planer wie PRM und RRT ziehen zufällige Konfigurationen und verbinden sie mit geraden Segmenten, und beide Schritte versagen auf einer Mannigfaltigkeit, da Samples sie verfehlen und ein gerades Segment zwischen zwei Punkten auf einer gekrümmten Mannigfaltigkeit diese verlässt. Planer für Zwangsbedingungen nutzen einige Hauptstrategien. Projektionsverfahren nehmen ein Sample außerhalb der Mannigfaltigkeit und ziehen es auf sie, oft mit Newton-Iterationen über die Constraint-Jacobi-Matrix. Fortsetzungs- oder Atlas-Verfahren bauen lokale Karten auf dem Tangentialraum auf und erweitern die Suche entlang dieser Karten. Relaxationsverfahren lassen ein kleines Toleranzband um die Mannigfaltigkeit zu, das sie in eine dünne Region mit von null verschiedenem Volumen verwandelt. Parametrisierungsverfahren beschreiben die Mannigfaltigkeit, wo möglich, direkt mit einer kleineren Menge freier Koordinaten, zum Beispiel indem sie bei einem zweiarmigen Griff mit analytischer inverser Kinematik die Gelenke des einen Arms aus denen des anderen Arms berechnen.

In geschlossenen kinematischen Ketten, darunter zwei Arme, die ein starres Objekt halten, und Parallelmechanismen, ist die Constraint-Mannigfaltigkeit die Menge der Konfigurationen, in denen die Schleife geschlossen bleibt. Trajektorienoptimierung behandelt dieselben Bedingungen als Gleichheitsnebenbedingungen im Optimierungsproblem statt als Menge, aus der gezogen wird. Für beide ist die Struktur der Mannigfaltigkeit wichtig: Sie kann durch Gelenkgrenzen oder durch verschiedene Zweige der inversen Kinematik in getrennte Komponenten zerfallen, und keine stetige Bewegung kann zwischen ihnen wechseln.

Warum es wichtig ist

Viele nützliche Aufgaben unterliegen Zwangsbedingungen: offene Behälter tragen, Objekte mit zwei Armen bewegen, Türen und Schubladen öffnen sowie auf Oberflächen zeichnen oder wischen. Planer, die die Struktur der Constraint-Mannigfaltigkeit mit Volumen null ignorieren, finden entweder keine Pfade oder liefern Pfade, die die Bedingung zwischen den Wegpunkten verletzen, sodass die Art, wie ein Planer mit der Mannigfaltigkeit umgeht, einen großen Teil seiner Geschwindigkeit und Zuverlässigkeit erklärt.

Wichtige Anwendungen

Zweiarmige Manipulation eines gemeinsamen starren Objekts
Tragen von Objekten, die aufrecht bleiben müssen, etwa offener Behälter
Öffnen von Türen, Schubladen und Ventilen entlang eines Scharniers oder einer Führung
Planung für Mechanismen mit geschlossenen Ketten und Parallelroboter
Werkzeugbewegung auf Oberflächen, etwa Schreiben, Wischen oder Polieren
Planung für Humanoide und Laufroboter mit festen Hand- oder Fußkontakten

In der Praxis

Zwei Arme mit je sieben Gelenken tragen eine lange Kiste, wobei beide Greifer sie starr halten. Der kombinierte Konfigurationsraum hat vierzehn Dimensionen, doch die feste Transformation zwischen den Händen erzwingt sechs Gleichheitsbedingungen, sodass gültige Konfigurationen auf einer achtdimensionalen Constraint-Mannigfaltigkeit liegen. Ein projektionsbasierter RRT zieht eine zufällige Konfiguration, wendet Newton-Schritte mit der Constraint-Jacobi-Matrix an, um sie auf die Mannigfaltigkeit zu ziehen, und prüft kurze Schritte entlang jeder Kante sowohl auf Kollisionen als auch auf Bedingungsfehler. Eine Alternative, die genutzt wird, wenn analytische inverse Kinematik verfügbar ist, plant über die Gelenke des einen Arms plus den Redundanzparameter des anderen und berechnet die Gelenke des zweiten Arms in geschlossener Form, sodass jedes Sample die Bedingung konstruktionsbedingt erfüllt. Das Team vergleicht, wie oft jeder Ansatz nahe den Gelenkgrenzen scheitert, wo möglicherweise weder die Projektion noch die geschlossene Lösung eine gültige Antwort hat.

Häufige Missverständnisse

Planung unter Zwangsbedingungen braucht nur mehr Samples — die Mannigfaltigkeit hat das Volumen null, sodass zufällige Samples fast nie auf ihr landen, ganz gleich, wie viele gezogen werden
Wenn jeder Wegpunkt die Bedingung erfüllt, tut es der ganze Pfad — geradlinige Interpolation zwischen zwei gültigen Konfigurationen verlässt eine gekrümmte Mannigfaltigkeit im Allgemeinen, sodass auch Kanten geprüft oder projiziert werden müssen
Die Constraint-Mannigfaltigkeit ist eine zusammenhängende Fläche — Gelenkgrenzen und getrennte Zweige der inversen Kinematik können sie in Komponenten zerteilen, die keine stetige Bewegung verbinden kann

Wer das wissen sollte

Ingenieure für Bewegungsplanung
Forschende in zweiarmiger und mobiler Manipulation
Ingenieure, die Trajektorienoptimierer mit Zwangsbedingungen entwickeln
Robotik-Studierende, die den Konfigurationsraum lernen

Open Source Robotics