Saroj Prasad Chhatoi
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Previous Organizations / Institutes
The organizations / institutes from the scholar's other articles in the past ten years
Saroj Prasad Chhatoi has a total of 7 co-authors. Here are the top co-authors by number of shared publications:
- Carlos Mastalli
School of Engineering and Physical Sciences, Heriot-Watt University, Edinburgh, U.K.
2 shared publications - Franco Angelini
Università di Pisa
1 shared publication - Manolo Garabini
Università di Pisa
1 shared publication - Michele Pierallini
Centro di Ricerca Enrico Piaggio and the Dipartimento di Ingegneria dellInformazione, Universit di Pisa, Pisa, Italy
1 shared publication - Sethu Vijayakumar
University of Edinburgh
1 shared publication - Steve Tonneau
School of Informatics, University of Edinburgh, UK
1 shared publication
Latest Publications
- 2 June 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Measure Evolution and Optimal Control of Quasi-Dissipative Dynamical Systems using Moment-SOS Relaxations
Évolution des mesures et contrôle optimal de systèmes dynamiques quasi-dissipatifs à l’aide de relaxations Moment-SOS: L’optimisation des systèmes dynamiques non linéaires est difficile, et l’on exploite généralement des propriétés structurelles particulières des dynamiques pour analyser leur évolution et concevoir des lois de commande. Une classe de systèmes au cœur de cette thèse est celle des systèmes dynamiques emph{quasi-dissipatifs}, que l’on peut voir comme des systèmes comportant une composante dissipative perturbée par un terme additionnel. Compte tenu des limites des méthodes classiques d’optimisation pour de tels systèmes, cette thèse développe un cadre unifié pour leur analyse et leur optimisation au moyen de techniques de relaxation par mesures. La hiérarchie moments–sommes de carrés (SOS) constitue la principale motivation computationnelle de cette approche, car elle fournit des solutions globalement optimales avec des garanties de convergence.Les méthodes classiques de commande et d’optimisation deviennent difficiles à appliquer lorsque les dynamiques comportent des discontinuités, des contraintes unilatérales ou des applications multivoques.Nous étendons le formalisme de relaxation mesure-théorique à ces contextes non lisses. La première contribution établit une formulation rigoureuse de l’évolution de mesures pour les processus de balayage du premier ordre, en démontrant l’existence, l’unicité et une représentation de superposition des solutions à valeurs mesures. Une approche de régularisation fonctionnelle et un schéma de transport optimal discrétisé en temps sont développés pour approximer ces solutions, avec des garanties de convergence pour des métriques de Wasserstein. Dans ce cadre, nous formulons une relaxation semi-définie basée sur la hiérarchie moments–SOS pour résoudre le problème d’évolution de mesures.La deuxième contribution traite de la commande optimale des processus de balayage via des techniques de relaxation par mesures. Nous montrons que la relaxation en un programme linéaire dans l’espace des mesures n’introduit aucun écart de relaxation, en temps continu comme en temps discret. En utilisant des outils de la théorie du transport optimal, nous prouvons la convergence du problème discrétisé vers le problème continu lorsque le pas d’échantillonnage tend vers zéro. Une relaxation semi-définie fondée sur moments–SOS est proposée pour résoudre le problème de commande optimale à valeurs mesures.Enfin, le cadre est étendu aux équations d’évolution non linéaires quasi-dissipatives sur des espaces de Hilbert, incluant des EDP semilinéaires et de type réaction–diffusion. Nous montrons que la formulation par mesures de ces problèmes de dimension infinie reste exacte, sans écart de relaxation, et nous proposons une hiérarchie moments–SOS convergente afin d’obtenir des approximations numériques certifiées.Dans l’ensemble, cette thèse combine l’analyse variationnelle, le transport optimal et la programmation semi-définie pour fournir des formulations convexes globalement convergentes pour une large classe de problèmes de commande optimale non lisses et de problèmes d’EDP.
- 2 June 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Measure Evolution and Optimal Control of Quasi-Dissipative Dynamical Systems using Moment-SOS Relaxations
Évolution des mesures et contrôle optimal de systèmes dynamiques quasi-dissipatifs à l’aide de relaxations Moment-SOS: L’optimisation des systèmes dynamiques non linéaires est difficile, et l’on exploite généralement des propriétés structurelles particulières des dynamiques pour analyser leur évolution et concevoir des lois de commande. Une classe de systèmes au cœur de cette thèse est celle des systèmes dynamiques emph{quasi-dissipatifs}, que l’on peut voir comme des systèmes comportant une composante dissipative perturbée par un terme additionnel. Compte tenu des limites des méthodes classiques d’optimisation pour de tels systèmes, cette thèse développe un cadre unifié pour leur analyse et leur optimisation au moyen de techniques de relaxation par mesures. La hiérarchie moments–sommes de carrés (SOS) constitue la principale motivation computationnelle de cette approche, car elle fournit des solutions globalement optimales avec des garanties de convergence.Les méthodes classiques de commande et d’optimisation deviennent difficiles à appliquer lorsque les dynamiques comportent des discontinuités, des contraintes unilatérales ou des applications multivoques.Nous étendons le formalisme de relaxation mesure-théorique à ces contextes non lisses. La première contribution établit une formulation rigoureuse de l’évolution de mesures pour les processus de balayage du premier ordre, en démontrant l’existence, l’unicité et une représentation de superposition des solutions à valeurs mesures. Une approche de régularisation fonctionnelle et un schéma de transport optimal discrétisé en temps sont développés pour approximer ces solutions, avec des garanties de convergence pour des métriques de Wasserstein. Dans ce cadre, nous formulons une relaxation semi-définie basée sur la hiérarchie moments–SOS pour résoudre le problème d’évolution de mesures.La deuxième contribution traite de la commande optimale des processus de balayage via des techniques de relaxation par mesures. Nous montrons que la relaxation en un programme linéaire dans l’espace des mesures n’introduit aucun écart de relaxation, en temps continu comme en temps discret. En utilisant des outils de la théorie du transport optimal, nous prouvons la convergence du problème discrétisé vers le problème continu lorsque le pas d’échantillonnage tend vers zéro. Une relaxation semi-définie fondée sur moments–SOS est proposée pour résoudre le problème de commande optimale à valeurs mesures.Enfin, le cadre est étendu aux équations d’évolution non linéaires quasi-dissipatives sur des espaces de Hilbert, incluant des EDP semilinéaires et de type réaction–diffusion. Nous montrons que la formulation par mesures de ces problèmes de dimension infinie reste exacte, sans écart de relaxation, et nous proposons une hiérarchie moments–SOS convergente afin d’obtenir des approximations numériques certifiées.Dans l’ensemble, cette thèse combine l’analyse variationnelle, le transport optimal et la programmation semi-définie pour fournir des formulations convexes globalement convergentes pour une large classe de problèmes de commande optimale non lisses et de problèmes d’EDP.
- 13 July 2023
- Published by Institute of Electrical and Electronics Engineers (IEEE) in IEEE Transactions on Robotics
- Vol. 39 (5) , 3671-3685
Optimal Control for Articulated Soft Robots
Soft robots can execute tasks with safer interactions. However, control techniques that can effectively exploit the systems' capabilities are still missing. Differential dynamic programming (DDP) has emerged as a promising tool for achieving highly dynamic tasks. But most of the literature deals with applying the DDP to articulated soft robots by using numerical differentiation, in addition to using pure feed-forward control to perform explosive tasks. Further, underactuated compliant robots are known to be difficult to control and the use of DDP-based algorithms to control them is not yet addressed. We propose an efficient DDP-based algorithm for trajectory optimization of articulated soft robots that can optimize the state trajectory, input torques, and stiffness profile. We provide an efficient method to compute the forward dynamics and the analytical derivatives of series elastic actuators (SEA)/variable stiffness actuators (VSA) and underactuated compliant robots. We present a state-feedback controller that uses locally optimal feedback policies obtained from the DDP. We show through simulations and experiments that the use of feedback is crucial in improving the performance and stabilization properties of various tasks. We also show that the proposed method can be used to plan and control underactuated compliant robots with varying degrees of underactuation effectively.
- 13 July 2023
- Published by Institute of Electrical and Electronics Engineers (IEEE) in IEEE Transactions on Robotics
- Vol. 39 (5) , 3671-3685
Optimal Control for Articulated Soft Robots
Soft robots can execute tasks with safer interactions. However, control techniques that can effectively exploit the systems' capabilities are still missing. Differential dynamic programming (DDP) has emerged as a promising tool for achieving highly dynamic tasks. But most of the literature deals with applying the DDP to articulated soft robots by using numerical differentiation, in addition to using pure feed-forward control to perform explosive tasks. Further, underactuated compliant robots are known to be difficult to control and the use of DDP-based algorithms to control them is not yet addressed. We propose an efficient DDP-based algorithm for trajectory optimization of articulated soft robots that can optimize the state trajectory, input torques, and stiffness profile. We provide an efficient method to compute the forward dynamics and the analytical derivatives of series elastic actuators (SEA)/variable stiffness actuators (VSA) and underactuated compliant robots. We present a state-feedback controller that uses locally optimal feedback policies obtained from the DDP. We show through simulations and experiments that the use of feedback is crucial in improving the performance and stabilization properties of various tasks. We also show that the proposed method can be used to plan and control underactuated compliant robots with varying degrees of underactuation effectively.
- Top Cited Papers
- 12 April 2023
- Published by Institute of Electrical and Electronics Engineers (IEEE) in IEEE Transactions on Robotics
- Vol. 39 (4) , 3222-3241
Inverse-Dynamics MPC via Nullspace Resolution
Optimal control (OC) using inverse dynamics provides numerical benefits, such as coarse optimization, cheaper computation of derivatives, and a high convergence rate. However, to take advantage of these benefits in model predictive control (MPC) for legged robots, it is crucial to handle efficiently its large number of equality constraints. To accomplish this, we first propose a novel approach to handle equality constraints based on nullspace parameterization. Our approach balances optimality, and both dynamics and equality-constraint feasibility appropriately, which increases the basin of attraction to high-quality local minima. To do so, we modify our feasibility-driven search by incorporating a merit function. Furthermore, we introduce a condensed formulation of inverse dynamics that considers arbitrary actuator models. We also propose a novel MPC based on inverse dynamics within a perceptive locomotion framework. Finally, we present a theoretical comparison of OC with forward and inverse dynamics and evaluate both numerically. Our approach enables the first application of inverse-dynamics MPC on hardware, resulting in the state-of-the-art dynamic climbing on the ANYmal robot. We benchmark it over a wide range of robotics problems and generate agile and complex maneuvers. We show the computational reduction of our nullspace resolution and condensed formulation (up to ${47.3}\boldsymbol{\%}$ ). We provide evidence of the benefits of our approach by solving coarse optimization problems with a high convergence rate (up to 10 Hz of discretization). Our algorithm is publicly available inside Crocoddyl .
- 12 April 2023
- Published by Institute of Electrical and Electronics Engineers (IEEE) in IEEE Transactions on Robotics
- Vol. 39 (4) , 3222-3241
Top Cited PapersInverse-Dynamics MPC via Nullspace Resolution
Optimal control (OC) using inverse dynamics provides numerical benefits, such as coarse optimization, cheaper computation of derivatives, and a high convergence rate. However, to take advantage of these benefits in model predictive control (MPC) for legged robots, it is crucial to handle efficiently its large number of equality constraints. To accomplish this, we first propose a novel approach to handle equality constraints based on nullspace parameterization. Our approach balances optimality, and both dynamics and equality-constraint feasibility appropriately, which increases the basin of attraction to high-quality local minima. To do so, we modify our feasibility-driven search by incorporating a merit function. Furthermore, we introduce a condensed formulation of inverse dynamics that considers arbitrary actuator models. We also propose a novel MPC based on inverse dynamics within a perceptive locomotion framework. Finally, we present a theoretical comparison of OC with forward and inverse dynamics and evaluate both numerically. Our approach enables the first application of inverse-dynamics MPC on hardware, resulting in the state-of-the-art dynamic climbing on the ANYmal robot. We benchmark it over a wide range of robotics problems and generate agile and complex maneuvers. We show the computational reduction of our nullspace resolution and condensed formulation (up to ${47.3}\boldsymbol{\%}$ ). We provide evidence of the benefits of our approach by solving coarse optimization problems with a high convergence rate (up to 10 Hz of discretization). Our algorithm is publicly available inside Crocoddyl .