Constraint Manifold

Aussi appelé: constraint surface
Catégorie: Planning & manipulation › Trajectory optimisation
Mots-clés: motion-planning, configuration-space, constrained-planning, bimanual-manipulation, sampling-based-planning

L'ensemble des configurations du robot qui satisfont une ou plusieurs contraintes d'égalité, comme garder un plateau horizontal ; en général une surface de dimension inférieure dans l'espace des configurations.

Définition

Une variété de contraintes (constraint manifold) est le sous-ensemble de l'espace des configurations formé de toutes les configurations q qui satisfont une contrainte d'égalité F(q) = 0. Les contraintes typiques fixent une partie de la pose de l'effecteur terminal : garder une tasse droite, maintenir un stylo contre un tableau blanc, garder une pince sur une poignée de porte pendant que la porte pivote, ou conserver une transformation fixe entre deux mains qui tiennent le même objet. Lorsque les k équations de contrainte sont indépendantes, le théorème des fonctions implicites dit que l'ensemble des solutions est localement une variété lisse de dimension (n − k) dans l'espace des configurations de dimension n. Comme elle est de dimension inférieure à celle de l'espace qui l'entoure, elle est de volume nul : une configuration tirée au hasard satisfait la contrainte avec une probabilité nulle.

C'est cette propriété qui rend difficile la planification de mouvement sous contraintes. Les planificateurs par échantillonnage comme PRM et RRT tirent des configurations aléatoires et les relient par des segments droits, et les deux étapes échouent sur une variété, puisque les échantillons la manquent et qu'un segment droit entre deux points d'une variété courbe en sort. Les planificateurs sous contraintes emploient quelques stratégies principales. Les méthodes de projection prennent un échantillon hors de la variété et le ramènent sur elle, souvent par des itérations de Newton utilisant la jacobienne des contraintes. Les méthodes de continuation ou d'atlas construisent des cartes locales sur l'espace tangent et étendent la recherche le long de celles-ci. Les méthodes de relaxation acceptent une petite bande de tolérance autour de la variété, ce qui la transforme en une région mince de volume non nul. Les méthodes de paramétrisation, lorsqu'elles sont disponibles, décrivent directement la variété avec un ensemble plus réduit de coordonnées libres, par exemple en utilisant la cinématique inverse analytique pour calculer les articulations d'un bras à partir de celles de l'autre bras lors d'une saisie à deux bras.

Dans les chaînes cinématiques fermées, y compris deux bras tenant un même objet rigide et les mécanismes parallèles, la variété de contraintes est l'ensemble des configurations dans lesquelles la boucle reste fermée. L'optimisation de trajectoire traite ces mêmes contraintes comme des contraintes d'égalité du problème d'optimisation plutôt que comme un ensemble dans lequel échantillonner. La structure de la variété compte dans les deux cas : elle peut être scindée en composantes séparées par les limites articulaires ou par différentes branches de cinématique inverse, et aucun mouvement continu ne peut passer de l'une à l'autre.

Pourquoi c'est important

De nombreuses tâches utiles sont contraintes : transporter des récipients ouverts, déplacer des objets à deux bras, ouvrir des portes et des tiroirs, dessiner ou essuyer sur des surfaces. Les planificateurs qui ignorent la structure de volume nul de la variété de contraintes soit ne trouvent pas de chemin, soit renvoient des chemins qui violent la contrainte entre les points de passage ; la façon dont un planificateur traite la variété explique donc une grande partie de sa vitesse et de sa fiabilité.

Applications principales

Manipulation à deux bras d'un objet rigide partagé
Transport d'objets qui doivent rester droits, comme des récipients ouverts
Ouverture de portes, de tiroirs et de vannes le long d'une charnière ou d'une glissière
Planification pour les mécanismes en chaîne fermée et les robots parallèles
Mouvement d'outil sur des surfaces, comme l'écriture, l'essuyage ou le polissage
Planification pour humanoïdes et robots à pattes avec des contacts fixes des mains ou des pieds

En pratique

Deux bras à sept articulations transportent une longue boîte, que les deux pinces tiennent rigidement. L'espace des configurations combiné a quatorze dimensions, mais la transformation fixe entre les mains impose six contraintes d'égalité, si bien que les configurations valides se trouvent sur une variété de contraintes de dimension huit. Un RRT par projection échantillonne une configuration aléatoire, applique des pas de Newton avec la jacobienne des contraintes pour la ramener sur la variété, et vérifie de courts pas le long de chaque arête à la fois pour les collisions et pour l'erreur de contrainte. Une alternative, utilisée quand la cinématique inverse analytique est disponible, planifie sur les articulations d'un bras plus le paramètre de redondance de l'autre et calcule les articulations du second bras sous forme close, de sorte que chaque échantillon satisfait la contrainte par construction. L'équipe compare la fréquence à laquelle chaque approche échoue près des limites articulaires, où il se peut que ni la projection ni la solution sous forme close n'ait de réponse valide.

Idées reçues

La planification sous contraintes demande simplement plus d'échantillons — la variété est de volume nul, si bien que des échantillons aléatoires n'y tombent presque jamais, quel que soit leur nombre
Si chaque point de passage satisfait la contrainte, tout le chemin la satisfait — l'interpolation en ligne droite entre deux configurations valides sort en général d'une variété courbe, de sorte que les arêtes doivent aussi être vérifiées ou projetées
La variété de contraintes est une seule surface connexe — les limites articulaires et des branches distinctes de cinématique inverse peuvent la scinder en composantes qu'aucun mouvement continu ne peut relier

Qui devrait le savoir

Ingénieurs en planification de mouvement
Chercheurs en manipulation à deux bras et en manipulation mobile
Ingénieurs qui développent des optimiseurs de trajectoire sous contraintes
Étudiants en robotique qui étudient l'espace des configurations

Technologies associées

Planification sous contraintes par projection (Projection-Based Constrained Planning)
Planification par atlas (Atlas-Based Planning)
Jacobienne des contraintes (Constraint Jacobian)
Méthode de Newton–Raphson (Newton–Raphson Method)
Théorème des fonctions implicites (Implicit Function Theorem)

Termes associés

Projets associés

OMPL: Sampling-based motion planning library powering MoveIt and countless robotics applications
MoveIt 2: Motion planning framework for ROS 2 robot arms, with kinematics and collision checking
PyRoki: Modular Python toolkit for kinematic optimization across CPU, GPU, and TPU via JAX
mink: Python inverse kinematics library built on MuJoCo supporting 20+ robot platforms
Ruckig: Real-time jerk-constrained time-optimal trajectory generation for robots and machines
NeuPAN: Real-time end-to-end planner that maps raw lidar points directly to robot actions