通过可微物理引擎实现缆驱机器人控制的 Real2Sim2Real 迁移

张拉整体机器人由刚性杆和柔性缆组成，具有高强重比和显著变形能力，使其能够在非结构化地形中导航并承受强烈冲击。然而，由于其高维度、复杂动力学与耦合架构，它们难以控制。基于物理的仿真是为开发可迁移至真实机器人的运动策略提供前景的途径。尽管如此，由于显著的 sim2real 差距，对张拉整体机器人建模是一项复杂任务。为解决此问题，本文描述了一种面向张拉整体机器人的 Real2Sim2Real (R2S2R) 策略。该策略基于一个可微物理引擎，可在给定来自真实机器人的有限数据下进行训练。这些数据包括对各机器人部件质量与几何等物理属性的离线测量，以及使用随机控制策略对一条轨迹的观测。利用来自真实机器人的数据，该引擎可被迭代精化并用于发现可直接迁移至真实机器人的运动策略。除 R2S2R 流程外，本工作的关键贡献还包括在接触点计算非零梯度、用于匹配张拉整体运动步态的损失函数，以及在训练期间避免梯度评估冲突的轨迹分割技术。我们在真实的 3 杆张拉整体机器人上演示并评估了 R2S2R 过程的多次迭代。