动态系统

斯坦福机器人讲座 | 2025年秋季 | 流体物理相互作用的动力学

本次讲座会涵盖： • 流体物理相互作用的动力学 • 如何使机器人安全、自适应且顺应 **视频 AI 总结**：该演讲介绍了实现机器人流体物理交互的框架，核心是通过紧密耦合的控制、估计和学习算法，使机器人能够在与人类协作时保持安全、自适应和顺从。演讲者展示了基于动态系统表示的运动规划方法，包括利用稳定且可学习的矢量场实现柔顺运动，以及通过弹性运动策略（elastic motion policy）在任务参数变化时实时调整机器人行为。此外，还讨论了意图估计与可变阻抗控制结合的人机协作方案，以及利用调制动态系统进行避障和基于可行性的被动扭矩控制来保证机器人的安全与柔顺性。 **主要内容**： - 提出机器人流体物理交互需要稳定性、灵活性、适应性、可预测性和顺从性等要求。 - 利用动态系统（如高斯混合模型和神经网络ODE）表示运动计划，并保证收敛性和安全性。 - 弹性运动策略通过将动力学参数与任务约束（如物体位姿）绑定，实现单次演示后的实时自适应。 - 在物理人机交互中，使用粒子滤波在线估计人类意图，并调整机器人的阻抗（软硬程度）以提供合适的辅助力。 - 通过调制矩阵重塑动态系统流线，实现无局部极小值的避障，并可与模型预测控制结合处理复杂环境。 - 提出基于可行性的被动扭矩控制方法，通过学习机器人状态是否接近约束（如自碰撞、关节极限），在扭矩层直接施加线性约束，实现平滑、安全的外部扰动响应。 2025年12月5日 Nadia Figueroa 博士 宾夕法尼亚大学机械工程与应用力学系（MEAM）Shalini and Rajeev Misra 总统助理教授