OpEn (Optimization Engine)

Solver embebido de optimización no convexa en Rust para MPC en tiempo real en robots

Licencia

MIT, Apache 2.0

Resumen

OpEn (Optimization Engine) es un framework para optimización no convexa rápida y segura en memoria en sistemas embebidos, construido en torno a PANOC, un algoritmo proximal de tipo Newton promediado, con métodos de lagrangiano aumentado y de penalización para las restricciones. Los problemas se describen en Python o MATLAB usando la simbólica de CasADi; OpEn genera un solver en Rust sin dependencias para el objetivo — el ordenador de a bordo de un robot, una placa de clase MCU o un nodo ROS — habilitando control predictivo por modelo (MPC) en tiempo real y optimización de trayectorias libres de colisión.

El flujo de trabajo es generación de código: defines variables de decisión, un coste (posiblemente no convexo) y restricciones en opengen, el front-end Python/MATLAB de OpEn; este emite un crate de Rust independiente que implementa PANOC — un método de búsqueda de línea que combina gradientes proximales con direcciones L-BFGS y converge rápido sin hessianas — envuelto en bucles externos ALM/de penalización para restricciones generales. El solver generado no tiene sorpresas de asignación en el heap, no usa bibliotecas externas y tiene memoria acotada de forma demostrable: exactamente lo que necesita el control embebido orientado a la certificación. Las interfaces incluyen Rust directo, bindings C/C++, un modo de servidor TCP, bindings Python y un generador de paquetes ROS. Los usos típicos en robótica son MPC no lineal a cientos de hercios para evitación de obstáculos (sus ejemplos de navegación se convirtieron en referencia para MPC libre de colisiones en AGV/UAV), optimización de trayectorias y estimación de horizonte móvil en plataformas con recursos limitados. OpEn se desarrolla en el ámbito académico (Sopasakis et al., artículo IFAC 2020) y tiene doble licencia MIT/Apache-2.0.

Por qué importa

OpEn hizo práctico el MPC no convexo en tiempo real en robots pequeños: un solver con las garantías de memoria de Rust, sin dependencias y con memoria acotada que corre en placas embebidas — la pieza que necesitas cuando un robot debe volver a resolver un problema de evitación de obstáculos cada pocos milisegundos a bordo.

Qué problema resuelve

Los solvers de NLP generales (clase IPOPT) son demasiado lentos y pesados para MPC de a bordo a alta frecuencia, y los solvers codificados a mano son propensos a errores. OpEn genera un solver rápido, sin dependencias y seguro en memoria para tu problema específico a partir de unas pocas líneas de CasADi.

Puntos clave

• Algoritmo PANOC: gradiente proximal + L-BFGS para resoluciones no convexas rápidas sin hessianas
• Genera solvers Rust independientes, sin dependencias y con memoria acotada
• Front-ends de Python (opengen) y MATLAB con la simbólica de CasADi
• Uso directo desde Rust/C/C++, modo de servidor TCP y generación de paquetes ROS
• Elección de referencia para MPC embebido libre de colisiones en AGVs y UAVs; doble licencia MIT/Apache-2.0

Para quién es

• Ingenieros de control que despliegan MPC a bordo
• Investigadores de robótica en optimización de trayectorias
• Desarrolladores embebidos que necesitan solvers aptos para certificación
• Equipos de autonomía de AGV/UAV

Limitaciones

• PANOC, basado en métodos de primer orden, puede quedar por detrás de los métodos de punto interior en problemas mal condicionados
• La no convexidad implica soluciones locales (no globales) — la inicialización importa
• El manejo de restricciones vía ALM/penalización requiere ajustar tolerancias para restricciones de igualdad duras