基于贝叶斯统计与先验知识的机器人动力学零样本参数学习
机器人学
2025-06-25 v1 系统与控制
系统与控制
摘要
机器人惯性参数识别已是一条成熟的流程，但使用最小二乘法或机器学习的标准方法不考虑机器人上的先验信息，且需要大量测量。受贝叶斯统计启发，本文提出一种改进泛化能力更强的识别方法，融合先验知识，能够仅通过少量或无需额外测量（零样本学习）进行学习。此外，我们的方法能够正确学习不仅惯性参数，还包括MABI Max 100机器人的机械参数和基座参数，同时确保物理可行性并给出结果置信区间。我们还为具有6自由度的串联机器人提供不同类型的先验，其中不依赖数据表或CAD模型。
引用
@article{arxiv.2506.19350,
title = {Zero-Shot Parameter Learning of Robot Dynamics Using Bayesian Statistics and Prior Knowledge},
author = {Carsten Reiners and Minh Trinh and Lukas Gründel and Sven Tauchmann and David Bitterolf and Oliver Petrovic and Christian Brecher},
journal= {arXiv preprint arXiv:2506.19350},
year = {2025}
}
备注
Carsten Reiners and Minh Trinh contributed equally to this work