Cas d’application

Apprendre à gérer la planification d’un horizon de récession multicontact en temps réel

Pour assurer leurs déplacements, les robots quadrupèdes ou bipèdes doivent pouvoir bénéficier d’une planification du mouvement en temps réel en cas de perturbation de l’environnement. Artelys Knitro permet la résolution de problèmes d’optimisation de la trajectoire pour une mise à jour continue du plan de déplacement.

Cas d’application

Apprendre à gérer la planification d’un horizon de récession multicontact en temps réel

Pour assurer leurs déplacements, les robots quadrupèdes ou bipèdes doivent pouvoir bénéficier d’une planification du mouvement en temps réel en cas de perturbation de l’environnement. Artelys Knitro permet la résolution de problèmes d’optimisation de la trajectoire pour une mise à jour continue du plan de déplacement.

La résolution de problèmes mathématiques complexes est nécessaire à la planification des mouvements des robots quadrupèdes et bipèdes lorsque ceux-ci doivent se déplacer sur des surfaces irrégulières. En effet, diverses perturbations environnementales, telles que des changements de relief, peuvent survenir dans le monde réel et rendent essentielle la planification en temps réel des mouvements.

Pour ce faire, le Receding Horizon Planning (RHP) met constamment à jour le plan de déplacement pour une exécution immédiate des mouvements du robot en fonction de son état et de son environnement. Le RHP requiert la résolution de problèmes d’optimisation de trajectoire caractérisés par leur haute dimensionnalité et leur non linéarité. Les auteurs proposent ici un cadre RHP traité par la méthode des points intérieurs d’Artelys Knitro.

Cette approche a été testée sur un robot humanoïde se déplaçant sur des pentes modérés et fortes où la stabilité statique ne peut être atteinte. Les taux de réussite obtenus grâce à Artelys Knitro sont de 98,6% sur des pentes modérées et de 95% sur des pentes fortes, contre 51,2% et 8% avec la méthode de base.

Tutoriel

 

Vous n’êtes pas encore familier avec le domaine de l’optimisation non linéaire ? Dans ce tutoriel, nous vous présentons quelques exemples de problèmes non linéaires pour diverses applications. Vous y découvrirez notamment les méthodes de programmation non linéaire en utilisant le solveur Artelys Knitro dans un notebook Python, au travers de différents exemples.

Version d’essai

 

Obtenez votre licence d’essai gratuite et testez les performances d’Artelys Knitro sur vos problèmes d’optimisation mathématique. La version d’essai vous permettra d’accéder gratuitement à Artelys Knitro sans limitations pour une durée d’un mois ou avec contraintes pour une durée de six mois. Cette version d’essai inclue un service de support et maintenance.

Artelys Knitro: des performances sans pareilles

Meilleur solveur

non-linéaire

Depuis plusieurs années, Artelys Knitro s’est distingué dans les benchmarks indépendants, démontrant ainsi sa capacité à trouver des solutions optimales réalisables plus rapidement que les solveurs concurrents.

Support technique

L’équipe de support technique d’Artelys est constituée de consultants hautement qualifiés (niveau doctorat),  ayant une grande expérience dans la résolution de problèmes complexes et la mise en place de solutions d’optimisation à l’échelle de l’entreprise. Grâce à leur expertise, ils sauront vous guider sur la mise en place des fonctionnalités algorithmiques ou logicielles qui pourraient optimiser votre utilisation d’Artelys Knitro.

Mises à jour et nouvelles fonctionnalités 

L’équipe de développement travaille sans relâche afin de fournir deux nouvelles versions d’Artelys Knitro par an. Ces deux versions se basent sur des retours clients d’expériences et nous permettent d’améliorer notre solveur en s’assurant d’être toujours plus proche des besoins de nos utilisateurs. 

© ARTELYS • All rights reserved • Legal mentions

Pin It on Pinterest

Share This