用于四足机器人运动的物理信息神经网络预测控制
机器人学
2025-03-11 v1
摘要
本研究引入了一个统一的控制框架，以解决具有未知负载的精确四足机器人运动的挑战，该框架被称为基于在线负载识别的物理信息神经网络预测控制。通过将在线负载识别与物理信息神经网络相结合，我们的方法将识别出的质量参数直接嵌入到神经网络的损失函数中，在适应不断变化的负载条件的同时确保物理一致性。物理约束的神经表示作为我们非线性模型预测控制器中的高效代理模型，尽管腿部运动动力学复杂，仍能实现实时优化。在我们的四足机器人平台上的实验验证表明，在不同的负载条件（25-100 kg）下，位置和姿态跟踪精度提高了 35%，并且与以前的自适应控制方法相比，收敛速度大幅加快。我们的框架提供了一种自适应解决方案，可在不牺牲计算效率的情况下，在可变负载条件下保持运动性能。
引用
@article{arxiv.2503.06995,
title = {Physics-informed Neural Network Predictive Control for Quadruped Locomotion},
author = {Haolin Li and Yikang Chai and Bailin Lv and Lecheng Ruan and Hang Zhao and Ye Zhao and Jianwen Luo},
journal= {arXiv preprint arXiv:2503.06995},
year = {2025}
}