基于 Koopman 神经动力学的机器人全身安全控制
计算机视觉与模式识别
2026-03-05 v1 人工智能
摘要
控制具有强非线性和高维动力学的机器人仍具有挑战，因为直接的非线性优化往往在实时条件下难以实现安全约束。Koopman 算子提供了一种将非线性系统在提升空间中线性表示的方法，从而实现高效线性控制。我们提出一种数据驱动的框架，从数据中学习 Koopman 嵌入和算子，并将 resulting 线性模型与 Safe Set Algorithm(SSA)集成。这使得跟踪和安全约束可以被求解为单个二次规划(QP)，从而在无需单独安全滤波器的情况下确保可行性和最优性。我们在 Kinova Gen3 操作臂和 Go2 四足机器人上进行验证，显示出准确的跟踪和障碍规避能力。
引用
@article{arxiv.2603.03739,
title = {PROSPECT: Unified Streaming Vision-Language Navigation via Semantic--Spatial Fusion and Latent Predictive Representation},
author = {Zehua Fan and Wenqi Lyu and Wenxuan Song and Linge Zhao and Yifei Yang and Xi Wang and Junjie He and Lida Huang and Haiyan Liu and Bingchuan Sun and Guangjun Bao and Xuanyao Mao and Liang Xu and Yan Wang and Feng Gao},
journal= {arXiv preprint arXiv:2603.03739},
year = {2026}
}