我曾经sympy
通过拉格朗日推导我的 3 连杆机器人的运动方程。以 ( ) 形式得到的运动方程theta_dot_dot = f(theta, theta_dot)
结果非常复杂,有很多cos
和sin
。然后我lambdified
使用 with 的函数drake
,将所有的sympy.sin
andsympy.cos
替换为drake.sin
, drake.cos
。
最终函数可以在毫秒范围内有效地进行数值计算(即给定theta, theta_dot
、查找)。theta_dot_dot
然后我尝试使用直接转录来进行轨迹优化。注意我没有使用该DirectTranscription
库,而是手动添加了必要的约束。
约束添加大致如下:
for i in range(NUM_TIME_STEPS-1):
print("Adding constraints for t = " + str(i))
tau = mp.NewContinuousVariables(3, "tau_%d" % i)
next_state = mp.NewContinuousVariables(8, "state_%d" % (i+1))
for j in range(8):
mp.AddConstraint(next_state[j] <= (state_over_time[i] + TIME_INTERVAL*derivs(state_over_time[i], tau))[j])
mp.AddConstraint(next_state[j] >= (state_over_time[i] + TIME_INTERVAL*derivs(state_over_time[i], tau))[j])
state_over_time[i+1] = next_state
tau_over_time[i] = tau
我现在面临的问题是,在添加约束的每次迭代中,我观察到我的内存使用量增加了大约 70-100MB。这意味着在程序由于内存不足而崩溃之前,我的时间步数不能超过 50 左右。
我想知道我可以做些什么来为我的机器人进行轨迹优化。显然,我可以尝试(通过手工或其他方式)简化运动方程......但是还有什么我可以尝试的吗?约束占用这么多内存是否正常?我在这里做错了什么吗?