逆阻力力理论（I-RFT）：通过机器人-地形物理互动学习颗粒属性
机器人学
2026-03-10 v1
摘要
为了使机器人在柔软、颗粒状地形上安全高效地导航，收集关于地形机械属性的信息至关重要，这些属性直接影响运动性能。近期研究开发出能够精确感知 locomotion 期间地面反作用力的机器人腿部。然而，现有颗粒属性估计方法常依赖特定脚部轨迹，如垂直浸入或水平剪切，限制了其在自然 locomotion 中的适用性。为此，我们提出一种基于物理的机器学习框架——逆阻力力理论（I-RFT），将颗粒阻力力理论模型与高斯过程结合，利用 proprioceptively 测量的接触力在任意 locomotion 轨迹下推断地形属性。通过将颗粒力模型嵌入学习过程，I-RFT 在保持物理一致性的同时，实现跨多种运动原型的泛化。实验结果表明，I-RFT 在多种 locomotion 轨迹和脚部形状下均能准确估计地形属性。此外，我们展示了对地形抗阻应力图的量化不确定性可用于优化脚部设计和 locomotion 轨迹，以实现高效信息获取。这一方法为复杂颗粒环境的数据高效表征奠定了新基础，为自主地形探索开辟了新的 locomotion 策略。
引用
@article{arxiv.2603.07796,
title = {Inverse Resistive Force Theory (I-RFT): Learning granular properties through robot-terrain physical interactions},
author = {Shipeng Liu and Feng Xue and Yifeng Zhang and Tarunika Ponnusamy and Feifei Qian},
journal= {arXiv preprint arXiv:2603.07796},
year = {2026}
}