基于自由能的学习型鲁棒控制：统一探索与分布式鲁棒性以实现可靠机器人
机器人学
2026-03-10 v1 最优化与控制
摘要
实现可靠机器人控制的关键挑战在于构建能够同时学习策略并在实际部署时保证鲁棒性的计算模型。受计算神经科学中自由能原理的启发，我们提出了一种用于策略计算的模型，联合学习环境动力学和奖励，同时确保对认识不确定性的鲁棒性。我们阐述了分布式鲁棒自由能原理，提出了对最大扩散学习框架的一种修改。 After 明确描述了我们策略对环境和奖励中认识不确定性的鲁棒性，我们通过仿真和真实世界实验验证了其有效性，这些实验涉及使用 Franka Research 3 机械臂进行操作。在仿真和零样本部署中，我们的方法缩小了仿真到现实的鸿沟，使无需针对特定任务进行微调即可实现可重复的桌面操作。
引用
@article{arxiv.2603.06831,
title = {Learning-Based Robust Control: Unifying Exploration and Distributional Robustness for Reliable Robotics via Free Energy},
author = {Hozefa Jesawada and Giovanni Russo and Abdalla Swikir and Fares Abu-Dakka},
journal= {arXiv preprint arXiv:2603.06831},
year = {2026}
}