ServoLNN：由伺服机构驱动的拉格朗日神经网络
机器学习
2025-02-28 v1 机器人学
动力系统
摘要
将深度学习与经典物理相结合，有助于高效地构建精确的动力学模型。在一类最近的神经网络中，拉格朗日力学被硬编码到架构中，通过训练网络来学习给定的系统。然而，当前的架构无法方便地对由伺服机构（如伺服电机、步进电机、电流源、容积泵）驱动的动力学系统进行建模。本文提出了 ServoLNN，一种用于建模由伺服机构驱动的动力学系统的新架构。ServoLNN 兼容实时应用，其中驱动运动仅在时刻已知。提供了 ServoLNN 的 PyTorch 实现。推导与结果揭示了训练可能收敛到的一类可能解族。研究了该解族对预测物理量的影响，以及将解族缩减为单个解的方法。结果表明，该架构能够同时准确地求解能量、功率、功率、质量矩阵、广义加速度、广义力以及驱动伺服机构的广义力。
引用
@article{arxiv.2502.19802,
title = {ServoLNN: Lagrangian Neural Networks Driven by Servomechanisms},
author = {Brandon Johns and Zhuomin Zhou and Elahe Abdi},
journal= {arXiv preprint arXiv:2502.19802},
year = {2025}
}
备注
22 pages, 8 figures