PIPHEN：基于哈密顿能量网络的物理交互预测
机器人学
2025-11-21 v1
摘要
复杂物理协作中的多机器人系统面临“共享大脑困境”：传输高维多媒体数据（例如约30MB/s的视频流）会造成严重的带宽瓶颈和决策延迟。为解决这一问题，我们提出了PIPHEN，一种创新的分布式物理认知-控制框架。其核心思想是通过在机器人边缘执行“语义蒸馏”，将高维感知数据重构为紧凑、结构化的物理表示，从而用“语义通信”取代“原始数据通信”。这一思想主要通过两个关键组件实现：（1）一种新颖的物理交互预测网络（PIPN），源自大模型知识蒸馏，用于生成该表示；（2）一个基于能量守恒的哈密顿能量网络（HEN）控制器，用于将该表示精确转化为协调动作。实验表明，与基线方法相比，PIPHEN可将信息表示压缩至原始数据量的5%以下，并将协作决策延迟从315ms降至76ms，同时显著提高任务成功率。这项工作为在资源受限的多机器人系统中解决“共享大脑困境”提供了一种根本性的高效范式。
引用
@article{arxiv.2511.16200,
title = {PIPHEN: Physical Interaction Prediction with Hamiltonian Energy Networks},
author = {Kewei Chen and Yayu Long and Mingsheng Shang},
journal= {arXiv preprint arXiv:2511.16200},
year = {2025}
}
备注
Accepted at the AAAI Conference on Artificial Intelligence (AAAI-26)