基于轨迹的执行器识别方法：利用可微分仿真技术

《IEEE Access》：Trajectory-based actuator identification via differentiable simulation

　　

摘要：

准确的驱动模型对于弥合仿真与真实机器人行为之间的差距至关重要，然而要获得高精度的执行器动态特性通常需要专用的测试平台和扭矩传感器。我们提出了一种基于轨迹的执行器识别方法，该方法利用可微分仿真仅通过编码器运动来拟合系统级的执行器模型。该识别过程被构建为一个轨迹匹配问题：给定指令关节位置以及测量的关节角度和速度，我们通过反向传播的方式优化执行器和仿真器的参数，而无需扭矩传感器、电流/电压测量数据或对嵌入式电机控制内部结构的访问。该框架支持多种模型类型，从紧凑的结构化参数化模型到神经网络驱动模型，所有这些模型都可以在统一的优化流程中进行处理。在针对带有嵌入式PD控制器的高齿轮比执行器的真实机器人轨迹数据上进行的测试表明，这种无需扭矩传感器的识别方法能够实现比基于稳态数据的监督训练方法更精确的轨迹对齐，平均绝对位置误差从14.20毫弧度降低到了7.54毫弧度（降低了1.88倍）。最后，我们在真实机器人的运动研究中展示了该方法的实际应用效果：使用改进后的执行器模型训练控制策略后，机器人的移动距离增加了46%，旋转偏差减少了75%。