我试图在pydrake数学程序中实现一个成本函数,但是每当我试图除以决策变量并使用abs()时,就会遇到问题。我尝试实现的一个简短版本如下,我试图只包含我认为可能相关的内容
T = 50
na = 3
nq = 5
prog = MathematicalProgram()
h = prog.NewContinuousVariables(rows=T, cols=1, name='h')
qd = prog.NewContinuousVariables(rows=T+1, cols=nq, name='qd')
d = prog.NewContinuousVariables(1, name='d')
u = prog.NewContinuousVariables(rows=T, cols=na, name='u')
def energyCost(vars):
assert vars.size == 2*na + 1 + 1
split_at = [na, 2*na, 2*na + 1]
qd, u, h, d = np.split(vars, split_at)
return np.abs([qd.dot(u)*h/d])
for t in range(T):
vars = np.concatenate((qd[t, 2:], u[t,:], h[t], d))
prog.AddCost(energyCost, vars=vars)
initial_guess = np.empty(prog.num_vars())
solver = SnoptSolver()
result = solver.Solve(prog, initial_guess)
我得到的错误是:
RuntimeError Traceback (most recent call last)
<ipython-input-55-111da18cdce0> in <module>()
22 initial_guess = np.empty(prog.num_vars())
23 solver = SnoptSolver()
---> 24 result = solver.Solve(prog, initial_guess)
25 print(f'Solution found? {result.is_success()}.')
RuntimeError: PyFunctionCost: Output must be of .ndim = 0 (scalar) and .size = 1. Got .ndim = 2 and .size = 1 instead.
据我所知,问题在于输出的维度,但我不确定如何继续。我花了相当长的时间试图解决这个问题,但收效甚微。我还尝试将np.abs更改为pydrake.math.abs,但随后出现以下错误:
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-56-c0c2f008616b> in <module>()
22 initial_guess = np.empty(prog.num_vars())
23 solver = SnoptSolver()
---> 24 result = solver.Solve(prog, initial_guess)
25 print(f'Solution found? {result.is_success()}.')
<ipython-input-56-c0c2f008616b> in energyCost(vars)
14 split_at = [na, 2*na, 2*na + 1]
15 qd, u, h, d = np.split(vars, split_at)
---> 16 return pydrake.math.abs([qd.dot(u)*h/d])
17
18 for t in range(T):
TypeError: abs(): incompatible function arguments. The following argument types are supported:
1. (arg0: float) -> float
2. (arg0: pydrake.autodiffutils.AutoDiffXd) -> pydrake.autodiffutils.AutoDiffXd
3. (arg0: pydrake.symbolic.Expression) -> pydrake.symbolic.Expression
Invoked with: [array([<AutoDiffXd 1.691961398933386e-257 nderiv=8>], dtype=object)]
任何帮助都将不胜感激,谢谢
顺便说一句,正如托比亚所提到的,在成本函数中划分决策变量可能会有问题。有两种方法可以避免这个问题
y > 1
的边界,那么SNOPT将不会尝试使用y=0
,因此可以避免被零除的问题李>一个技巧是引入另一个变量作为除法的结果,然后最小化这个变量
例如,假设您想要优化
您可以引入一个slack变量
z = f(x) / y
。把这个问题表述为一些意见:
您尝试使用的成本函数不需要强制使用python函数。您可以直接说(即使它会引起其他错误)
prog.AddCost(np.abs([qd[t, 2:].dot(u[t,:])*h[t]/d]))
prog.AddCost
的参数必须是Drake标量表达式。因此,请确保numpy矩阵乘法返回标量。在上面的例子中,它们返回一个(1,1)
numpy数组要最小化绝对值,您需要比这更复杂的东西。在当前形式中,传递的是一个不可微的目标函数:解算器不太喜欢这样。假设您希望最小化
abs(x)
。优化中的一个标准技巧是添加一个额外(slack)变量,比如s
,并添加约束s >= x
,s >= -x
,然后最小化s
本身。所有这些约束和目标都是可微的和线性的关于优化变量对目标的划分。只要有可能,你就应该避免这样做。例如(我有90%的把握)如果您不提供初始猜测,像SNOPT或IPOPT这样的解算器会将初始猜测设置为零。这意味着,如果不提供自定义初始猜测,则在第一次计算约束时,解算器将被零除,并将崩溃
相关问题 更多 >
编程相关推荐