论文地址:https://arxiv.org/pdf/2408.09662
总结
本文介绍了 CusADi,一个支持 CUDA 的 GPU 并行化框架,用于优化控制和符号表达式的并行计算,显著提高了模型预测控制(MPC)算法的计算速度。
摘要
CusADi 是一个基于 casadi 符号框架的 GPU 并行化扩展,旨在并行化任意闭合形式的表达式,并提出了一种解决通用最优控制问题的近似闭合形式解法。该研究展示了相对于 CPU 实现的 MPC,CusADi 能够实现十倍的速度提升,并在多种机器人应用中证明了其有效性,包括并行仿真、参数扫描和策略训练。研究还探讨了 CusADi 如何嵌入到机器人学中的模型基础技术和优化中,以及如何通过生成 CUDA 内核和使用 PyTorch 接口来并行化符号函数。此外,本文通过基准测试验证了 CusADi 相对于 CPU 评估和 PyTorch 的速度优势,并在不同的应用场景中展示了其性能,如 MIT 人型机器人的 MPC 并行化、以及四旋翼飞行器的参数扫描和区域吸引域分析。
(腾讯元宝)论文初读: