基于神经网络引导的变分推断快速失配估计
机器人学
2025-08-29 v1
摘要
随着机器人在以人为中心的环境中运作，确保与人类、周围环境或其他机器之间的柔软安全的物理交互变得至关重要。虽然合规硬件可以促进此类交互，但本工作聚焦于允许扭矩控制机器人安全被动响应接触的阻抗控制器。从逆动力学到基于二次规划的控制器，这些方法的有效性依赖于机器人及其操作对象的精确动力学模型。任何模型失配都会导致任务失败和不安全行为。因此，我们引入快速失配估计（Rapid Mismatch Estimation, RME），这是一种自适应的、控制器不可知的概率框架，用于在不依赖外部力矩传感器的情况下在线估计末端执行器动力学失配。从机器人的感性反馈中，神经网络模型失配估计器生成一个变分推断求解器的先验，该求解器能够快速收敛到未知参数并量化不确定性。我们使用一个由最新型被动阻抗控制器驱动的7自由度操作机械臂，RME能够在静态和动态环境中适应末端执行器质量和质心的突然变化，所需时间约为\sim400\,ms。在协作场景中，人类将一个未知篮子附加到机器人的末端执行器上，并动态添加/移除重量，展示了在无需任何外部感知系统的情况下，对物理交互中动态变化的快速安全适应。
引用
@article{arxiv.2508.21007,
title = {Rapid Mismatch Estimation via Neural Network Informed Variational Inference},
author = {Mateusz Jaszczuk and Nadia Figueroa},
journal= {arXiv preprint arXiv:2508.21007},
year = {2025}
}
备注
Accepted at 9th Annual Conference on Robot Learning. Project Website - https://mateusz-jaszczuk.github.io/rme/