提出IDTD轨迹设计框架用于系统辨识

Sangwoo Shin 等提出信息解耦轨迹设计框架（IDTD），用于 Sim-to-Real 系统辨识的探索轨迹优化。该框架基于 Fisher 信息矩阵的 Schur 补得分构建优化目标，按参数归一化得分、为每个参数选取最有利的轨迹片段并取对数聚合，使生成的轨迹由互补区间组成，每个区间只暴露一组可明确归因的参数。 论文称，在线性动力学系统、Go2 四足、G1 人形与 Crazyflie 四旋翼等仿真环境中，IDTD 相对最强的既有主动探索基线平均降低参数辨识误差 39.6%，并改善下游策略迁移；在真实 K1 人形机器人上验证显示，辨识出的参数能准确刻画真实系统动力学。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。