CAR：基于Mobility Representation的跨车辆动力学适配
机器人学
2026-03-24 v2
摘要
开发野外自动驾驶移动性通常需要大量的平台相关数据收集，或依赖于单二级或自行车模型等简化抽象，这些模型无法捕捉从轮式到履带式车辆的各种平台的复杂动力学。这一限制阻碍了跨演进的异构自动机器人编队的可扩展性。为此，我们提出Cross-vehicle kinodynamics Adaptation via mobility Representation(CAR)，一个新型框架，使将快速移动性转移到新车辆成为可能。CAR采用带有自适应层归一化的Transformer编码器，将车辆轨迹转换和物理配置嵌入共享的移动潜在空间。通过在该潜在空间中识别并提取最近邻居的共性，我们的方法能够在最小数据收集和计算开销下快速适应新平台。我们使用基于Chrono多物理引擎构建的Verti-Bench模拟器，对Verti-4-Wheeler平台的四种不同物理配置进行评估。仅需一分钟新的轨迹数据，CAR在 diverse 未见车辆配置下相较于直接邻居转移可实现最高67.2%的预测误差降低，表明在模拟和实际环境中实现跨车辆移动知识转移的有效性。
引用
@article{arxiv.2603.06866,
title = {CAR: Cross-Vehicle Kinodynamics Adaptation via Mobility Representation},
author = {Tong Xu and Chenhui Pan and Xuesu Xiao},
journal= {arXiv preprint arXiv:2603.06866},
year = {2026}
}