学习空中操控的交叉耦合与模态依赖动力学

Learning Cross-Coupled and Regime Dependent Dynamics for Aerial Manipulation

准确的动力学模型对于在复杂任务（如载荷运输）中运行的空中机械臂至关重要。然而，由于四旋翼-机械臂之间的强耦合、延迟的气动相互作用，以及因载荷变化和机械臂重构导致的工况依赖的动力学变化，对这些系统进行建模仍面临根本性挑战。这些效应会产生同时具有交叉耦合、历史依赖性和非平稳特性的残余动力学，导致分析模型和纯离线学习的模型在部署过程中性能下降。为解决这些挑战，我们提出了一种用于空中机械臂自适应残差动力学学习的结构化编码器-解码器框架。所提出的非线性潜变量编码器能够从状态-输入历史中捕捉跨变量耦合和时间依赖性，而轻量级线性潜变量解码器则能在工况依赖的非平稳动力学下实现在线自适应。该线性参数化解码器结构允许闭式贝叶斯自适应与一致性驱动的协方差膨胀相结合，从而能够快速稳定地适应瞬态和缓慢变化的动力学变化，同时保持与实时模型预测控制（MPC）的兼容性。在真实空中机械臂平台上的实验结果表明，该方法改善了残差预测精度，在变化工况下实现了更快的自适应能力，并提升了基于MPC的轨迹跟踪性能。这些结果凸显了联合建模耦合时变动力学与部署时非平稳性对于实现可靠空中机械臂操控的重要性。