通过符号回归实现可解释的机器人摩擦学习
机器人学
2025-05-20 v1 机器学习
摘要
准确建模机器人关节的摩擦力矩长期以来都具有挑战性 due to 对鲁棒数学描述的需求。传统的基于模型的方法往往工作量大，需要大量实验和专家知识，并且难以适应新情境和依赖关系。另一方面，基于神经网络的数据驱动方法易于实现，但往往缺乏鲁棒性、可解释性和可信度——这些都是机器人硬件和以人类-机器人交互为关键安全应用的关键考虑因素。为了解决这两种方法的局限性，我们提出使用符号回归 (SR) 来估计摩擦力矩。SR 生成类似于基于模型方法产生的可解释符号公式，同时灵活地可以容纳各种动态效应和依赖关系。在本工作中，我们将 SR 算法应用于对 KUKA LWR-IV+ 机器人收集的数据进行摩擦力矩的近似。我们的结果表明，SR 不仅产生与基于模型方法相当复杂的公式，而且实现了更高的精度。此外，SR 生成的公式可以无缝地扩展到包括负载依赖性和其他动态因素。
引用
@article{arxiv.2505.13186,
title = {Interpretable Robotic Friction Learning via Symbolic Regression},
author = {Philipp Scholl and Alexander Dietrich and Sebastian Wolf and Jinoh Lee and Alin-Albu Schäffer and Gitta Kutyniok and Maged Iskandar},
journal= {arXiv preprint arXiv:2505.13186},
year = {2025}
}