牛顿与拉格朗日神经网络：面向高效逆动力学识别的比较研究
机器人学
2025-06-24 v1 机器学习
摘要
准确的逆动力学模型是控制工业机器人的 essential tool。近期研究将神经网络回归与牛顿-欧拉方程和欧拉-拉格朗日方程的逆动力学公式相结合，分别产生所谓的牛顿神经网络和拉格朗日神经网络。这些受物理信息驱动的模型旨在从数据中识别解析方程中的未知数。尽管它们具有巨大的潜力，但当前文献缺乏关于在牛顿和拉格朗日网络之间做出选择的指导。在本研究中，我们发现当电机扭矩被估计而非直接测量关节扭矩时，拉格朗日网络的表现不如牛顿网络，因为后者不显式地建模耗散扭矩。这些模型的性能与针对 MABI MAX 100 工业机器人数据的神经网络回归进行了比较。
引用
@article{arxiv.2506.17994,
title = {Newtonian and Lagrangian Neural Networks: A Comparison Towards Efficient Inverse Dynamics Identification},
author = {Minh Trinh and Andreas René Geist and Josefine Monnet and Stefan Vilceanu and Sebastian Trimpe and Christian Brecher},
journal= {arXiv preprint arXiv:2506.17994},
year = {2025}
}
备注
Paper accepted for publication in 14th IFAC Symposium on Robotics