ro_obs参数疑问及真机测试中遇到的问题咨询

[zcZhangCheng]

感谢如此棒的开源。

我最近在深入使用neupan算法并将其部署至人形机器人中，通过代码并行化、优化器转为c等优化，在orin上的运行频率约为8hz（两次迭代）。基本可支持慢速使用。
但是在调参的过程中，发现ro_obs这个对碰撞拒绝的参数还是无法理解。在调节至非常大时（40000），还是会在近距离发生穿障碍物的情况。

1、请问这个参数具体是什么意思呢，我发现代码中障碍物距离变量为松弛参数，ro_obs调节为较大时，松弛变量不会违反，但是确实是碰上障碍物了。
2、请问2次迭代是否够用，我发现增加迭代次数并不能提升轨迹效果，甚至1次迭代也能出合理的结果。
3、请问要是我希望尽可能不碰撞，是否有方法解决，或者能否返回规划失败。
4、我还发现一个现象就是在基本可以通过的窄路环境下，会规划出线路，但是第一或者第二个步骤速度为0，造成后面有规划但是不动的现象。请问这个如何避免呢？

再次感谢，非常期待您的回答

[hanruihua]

你好，

1. ro_obs 的作用你可以理解为条件每次gradient decent step的大小；ro_obs 较大的时候，有利于快速收敛，但是容易收敛到次优解 (类似learning rate); 所以会出现碰到障碍物的情况。

2. 理论上，ro_obs 较小的情况，多次迭代次数的增加会更容易收敛到最优值，但是，随之带来的就是多次迭代导致的耗时增加，所以较大的ro_obs 本质上是工程实时性上的一种妥协，即牺牲一定的收敛性来达到1-2次迭代就能输出较好的结果，所以，如果cpu算力足够，较小的ro_obs 和较大的迭代次数效果会更好一些。

3. 建议使用 较大的eta 参数，能够最大限度的保证安全距离，至于返回规划失败，可以利用机器人与障碍物的最小距离 min_distance 来判断和采取一些措施；

4. 可以通过实时调节 p_u来实现，遇到这种情况可以 通过update_adjust_parameters 增大p_u 避免

[zcZhangCheng]

谢谢回答，这是我后续的疑问，麻烦您再分析一下：
1、应该是我对ro_obs的理解有问题了，我看代码以为这个是绝对禁止碰撞的极大值限制。有这方面的作用吗？
2、请问默认的400是推荐参数，那较小和较大一般是加减多少，加十倍或者减十倍吗？
3、我发现有部分在躲避障碍物转弯的情况下，返回的min_distance不正确（比真实距离大），这个是什么原因，如何最大程度避免呢？
4、好的这个我通过调参接口设置。

当前我设置的参数是，您看看合适吗，在低速移动的室内人形状机器人上：

receding: 10
step_time: 0.5
ref_speed: 0.6
device: 'cuda' # 'cuda' or 'cpu'
time_print: False
collision_threshold: 0.01

robot:
kinematics: 'diff'
max_speed: [0.6, 0.8]
max_acce: [1.5, 1.5]
length: 0.5
width: 0.8

ipath:
interval: 0.25
curve_style: 'line' # 'dubins' or reeds or line
min_radius: 0.0
loop: False
arrive_threshold: 0.5
close_threshold: 0.01
ind_range: 10
arrive_index_threshold: 1

pan:
iter_num: 2
dune_max_num: 100
nrmp_max_num: 10
iter_threshold: 0.01

adjust:
q_s: 0.5
p_u: 2.5
eta: 35.0
d_max: 0.5
d_min: 0.1
ro_obs: 400
bk: 0.01
solver: 'Clarabel' # Clarabel # OSQP # ECOS # SCS

[hanruihua]

1. ro_obs 这方面的作用不大, 不过较小的 ro_obs 加多次迭代是有助于收敛到满足约束的最优解, 更建议调大 eta.
2. 具体的和很多参数，例如机器人的形状，速度约束都相关，可以按照十倍加减，在ir-sim的测试里，较小值指的是1-10之间；较大值是 >200
3. min_distance的计算是障碍点到机器人几何形状的最短距离；一种可能是传感器输入的点有误差，一种可能是形状尺寸和真实的存在差距，也有可能是点的位置传递过程存在延迟，个人建议可以把误差考虑到机器人的形状尺寸里，例如增大或者减小某条边 （length 或者 width）的尺寸以适应真实的情况；

你的参数里，个人建议step_time可以调小一些，0.5略大，容易导致控制不够精确，最大角速度的max_speed为0.8，而加速度限制为1.5有些奇怪，建议反过来；p_u 相对而言大很多，所以更容易导致碰撞，建议调小一些。

[zcZhangCheng]

太感谢了，谢谢回复。
当前：
1、关于加速度限制，考虑到人形机器人的角速度控制带宽有限，我已调小了相关阈值。同时，我在约束项中引入了动态角速度约束机制，使限制随行驶速度的提升而同步收紧。
2、针对碰撞规避，鉴于系统在应对突发近距离障碍物时表现欠缺，我在控制外层增加了紧急制动逻辑，并触发全局重规划，有效解决了碰撞及死锁（卡顿）问题。
3、针对终点收敛，我引入了动态调参策略：以目标点为中心设置 2 米感知冗余，当机器人进入该范围时，自动降低p_u并增大p_s，通过参数平滑切换提升了到点的精准度与稳定性。

现在。我还发现一个问题，就是在长横障碍物，如两个横向放置的箱子（宽度为80cm），中间小于1m距离（设定为无法通过）。这时候机器人会出现左右犹豫的情况，期望轨迹很短，但是没有停止。犹豫几次后会从一边尝试走。或者在可过可不过的情况，它总是在左右摇晃，这种情况您遇到过吗？
我现在期望这种情况它卡住、报失败，都可以，就是不要犹豫，这样我就能更新全局规划，指导脱困。因此，我通过获取轨迹长度来捕获这种情况（期望轨迹小于阈值0.5m，就报错）。但是感觉阈值不好设定。有许多特殊情况。您觉得这种情况如何捕获合适一点呢？

再次感谢，非常期待您的回答

[hanruihua]

这种情况主要还是在于MPC 架构对于权重参数较为敏感，一方面，这种情况可以尝试捕获角速度的震荡 ，例如，角速度连续几个step左右摇摆, 另一方面的也可以尝试减小角加速度的值（max_acce），这样可以减小解空间，有利于收敛，replan 也会弥补需要绕远的情况。

[zcZhangCheng]

太感谢了，谢谢回复。我还在调试中(/ω＼)

疑问一、
我期望使用neupan算法解决动态情况，现在看来运动起来的效果很好。但是，在两个人停下来，类似图片这种情况，neupan会直接冲进去，卡住。这种情况感觉很难捕获到，全局规划也仅在卡住后才会检测到，无法提前预知。

请问neupan算法从原理上将是不是就容易出现这种情况，如何能合理的避免呢？当前已经将沿轨迹的参数调节的比较小了，同时在源码中增加了yaw角的权重。
adjust:
q_s: 0.05
p_u: 0.5
eta: 25.0
d_max: 0.3
d_min: 0.0
ro_obs: 400
bk: 0.01

疑问二、
类似下图这种情况，总是喜欢先往反方向撇一下，然后再回来，而不是直接走。这种问题在轨迹正穿过障碍物有体现，犹豫一下再往前，不是直接往前。（p_u调大会减弱这种情况，但是p_u调大总是会发生跑很远躲障碍物，也不是期望的结果）。这种有什么建议吗？

[hanruihua]

对于1，或许可以尝试降采样输入DUNE的点，因为lidar点不必如此的密集，这样可以让nrmp的点分布的更广，从而提前做出决策反应
对于2，这种情况像是当前转角限制的比较大，机器人找不到最优解，也可能是eta 过大了，都可以尝试调节一下。