最小有向信息：柔顺机器人的设计原则

机器人的动力学——尤其是柔顺的程度与位置——会显著影响性能与控制复杂度。被动动力学可针对特定任务设计良好的吸引域或极限环，但在一系列任务上实现灵活性需要控制的协同设计。本文采取信息视角：机器人动力学应减少控制器在一系列任务上达到性能阈值所需的信息量。为此，提出一种迭代方法以最小化离散时间非线性系统上从状态到控制的有向信息。利用 iLQG 寻找控制器和信息值，然后优化动力学的设计参数（例如末端执行器或关节的刚度）以降低有向信息，同时保持性能的最小下界。该方法在仿真中得到验证，应用于与不确定墙面位置接触的双质量系统以及高自由度开门任务，并被证明能改善噪声鲁棒性并降低控制增益的时间方差。