Drake中Numpy风格矩阵索引赋值问题及计算图有效性咨询

问题场景 #

以下代码在PyTorch及Numpy环境下可正常执行，但在Drake中运行报错：

forces_matrix = np.zeros((T - 1, O, O, D))
tril_indices = np.tril_indices(O, m=O, k=-1)
forces_matrix[:, tril_indices[0], tril_indices[1]] = f_oo

其中左值（LHS）与右值（RHS）均为形状为(9, 1, 1)的numpy张量。

补充说明：若将初始forces_matrix设置为Drake的OBJECT类型（如AutoDiffXd数组），则无语法错误，但不确定f_oo与forces_matrix之间的计算图能否正确构建，需确认该操作是否被Drake支持。

问题解答 #

• 原生numpy数组的限制：Drake对原生numpy数组的高级索引赋值支持有限，因为其计算图追踪机制仅针对自身的数值类型（如AutoDiffXd、Float64），原生numpy数组无法被纳入计算图，这类操作会触发错误。
• OBJECT类型的有效性：当forces_matrix初始化为Drake的自定义数值类型数组时，这类numpy风格的高级索引赋值是被支持的，且能正确构建计算图。Drake的数值类型实现了兼容numpy的索引接口，会自动追踪赋值操作的依赖关系，保障后续自动微分或符号计算正常运行。
• 关键注意点：
  • 需保证f_oo的类型与forces_matrix完全匹配，比如两者同为AutoDiffXd类型，避免类型不兼容问题。
  • 确认tril_indices对应的索引位置数量与f_oo的可广播维度对齐，防止维度不匹配的赋值错误。

内容的提问来源于stack exchange，提问作者HoliInn