MEKAWIRE
专业arXiv

AFTER-WM结合快慢记忆,降低机器人动力学变化后的预测误差

Haoyi Zhang, Qi Zhang, Yunfan Ren, Yi Bin, Lei Zhu, Heng Tao Shen
30 秒速读

这篇预印本提出世界模型AFTER-WM,通过逐渐衰减的快速修正、持续保留的慢速修正及误差驱动的专家权重调整,应对机器人动力学变化。其在5个仿真数据集上的多步平均预测误差比各自最强基线低16.4%至33.7%,为载荷变化或执行器故障后的规划提供了改进路径。

研究问题

世界模型能否同时做到快速适应持续性动力学变化、抵御短暂扰动,并在没有后续观测的预测过程中保留适应结果?

问题

未知载荷、摩擦变化和执行器故障会使原有动力学模型失准。模型在开环预测中不断使用自身输出,误差随之累积,影响动作规划。提高适应速度容易把短暂冲击误认为持续变化,而让修正快速衰减又会丢失对真实变化的适应。

既有方法

TD-MPC2缺少专门识别动力学变化的机制,DreamerV3-style RSSM虽更新循环状态,但没有明确的动力学适应模块。GrBAL和MOLe调整模型参数,ReBAL利用近期历史,但单一适应时间尺度难以兼顾响应速度与稳定性。MTS3区分快慢变量,却按固定间隔更新慢变量,变化发生后存在响应滞后。

新方法

AFTER-WM采用3个预训练MLP动力学专家。训练先学习专家与路由器,再冻结两者,训练修正网络及记忆更新网络。推理时无需梯度更新,观测到的预测误差直接调整专家权重、会衰减的快速状态和考虑不确定性的慢速状态。每次预测前重置记忆,再从64步上下文重建。进入40步预测区间(2 s)后,专家权重与慢速状态保持不变,快速状态持续衰减。参与比较的神经网络模型均约有0.70M参数。

结果

研究在5个MuJoCo数据集上以5个训练种子比较10个基线。多步平均nMSE分别为:JSHC为0.124,对比ReBAL的0.166,降低25.7%;ESCP-HC为0.208,对比ReBAL的0.249,降低16.4%;Panda为0.0473,对比MOLe的0.0711,降低33.5%;UR5e为0.0435,对比ReBAL的0.0641,降低32.1%;Hopper为0.0499,对比MOLe的0.0752,降低33.7%。该指标使用按训练集标准化的状态,先计算截至第1、5、10、20、40步的累计平均误差,再取平均。第40步误差比上述对应基线低21.9%至41.9%。真实UAV飞行记录ALFA的预测评估使用4个种子,误差比最接近的基线MOLe低13.1%。JSHC关节故障仿真控制采用相同的cross-entropy-method规划器,以5个种子和48个测试回合评估,平均回报为93.1,比MOLe高13.8。

局限

闭环控制仅在仿真的一个关节故障任务中验证。真实数据来自固定翼UAV飞行记录,只评估预测,未进行实时控制实验。输入是数值状态而非图像,图像观测和实体机器人部署被列为后续工作。记忆在每次预测前由有限上下文重建,已验证的保留能力局限于预测区间,不能视为无限期在线学习。作者承诺公开代码和数据,但论文未确认已完成发布。推理延迟和计算成本,论文未报告。

产业影响

机械臂集成商、自适应控制供应商和UAV自主飞行开发商,现在可在具备状态估计与动作历史的研究型规划系统中评估该方法。进入产品前,还需完成实体硬件闭环控制验证,确保状态观测可靠,并满足运行成本要求。商业部署时间表,论文未报告。

受许可协议限制,本站不转载该论文全文,仅提供摘要和原文链接。