Inverse Dynamics Model

• 又稱: IDM, inverse model, inverse dynamics
• 類別: Learning & autonomy › RL & simulation
• 標籤: dynamics, control, robot-learning, video-learning, model-based-control

一種模型，計算讓系統從目前狀態移動到期望的下一個狀態或加速度所需的動作，例如關節扭矩或控制指令。

定義

逆向動力學模型（Inverse dynamics models）回答的是與正向模型相反的問題：已知系統目前所在的位置與下一步應該到達的位置，哪個動作能讓它到達那裡？形式上，逆向動力學模型把目前的狀態與期望的下一個狀態（或期望的加速度）對應到產生這項變化的動作。

在傳統機器人學中，逆向動力學指的是計算達成給定關節位置、速度與加速度所需的關節扭矩。對於剛體機器人，這可以用遞迴牛頓-歐拉演算法（Recursive Newton-Euler Algorithm）有效率地計算，其運算量隨關節數量線性增加。逆向動力學是計算扭矩控制與前饋補償的基礎：控制器計算機器手臂跟隨一條軌跡所需的扭矩，只用回授來修正剩下的誤差。足式機器人的全身控制器會求解一種帶限制條件的逆向動力學，同時納入接觸力。

在機器人學習中，逆向動力學模型通常是以記錄下來的狀態轉移訓練而成的神經網路，用來預測兩個連續觀測之間所採取的動作。它有幾種用途。它能把預測的未來觀測（例如生成的影片影格）轉換成機器人可以執行的動作。它能推斷必定採取過哪些動作，為沒有記錄動作的影片加上標籤。它也可以作為輔助訓練目標，促使學習而得的表示捕捉代理人能夠控制的部分。

當不同的動作產生相同結果，或期望的下一個狀態無法在一步之內到達時，逆向模型可能是不適定的，因此實際系統常會加入過去的狀態或較長時域等脈絡。

為何重要

逆向動力學是機器人把規劃好的運動轉換成產生該運動之力或指令的方式，從工業機器手臂的計算扭矩控制，到人形機器人的全身控制都是如此。在機器人學習中，逆向動力學模型把預測與動作連結起來，讓以影片或未來狀態預測訓練的系統能真正控制機器人。

主要應用

• 機器手臂的計算扭矩控制與前饋控制
• 人形機器人與足式機器人的全身控制
• 把預測的未來觀測轉換成可執行的動作
• 為缺少動作標籤的影片資料集推斷動作標籤
• 以控制為目的的自監督表示學習

實際應用

對於擁有準確 URDF 的機器手臂，工程師會用 Pinocchio 等函式庫或在廠商的控制器中計算逆向動力學，並把得到的扭矩作為前饋，留下增益較低的回授迴路來處理摩擦與未建模的負載。當模型不確定時，他們會先識別慣性參數，或在其上學習殘差修正。在學習流程中，團隊可能先以含有記錄動作的機器人軌跡訓練一個小型逆向動力學網路，再用它為規模更大的無動作影片推斷動作，或把模型預測的下一個影格轉換成指令。他們會在保留資料上比較推斷的動作與記錄的動作，以檢驗這個模型。

常見誤解

• 逆向動力學與逆向運動學相同 — 逆向運動學求的是達成期望姿態的關節位置，逆向動力學求的則是產生期望運動所需的力或扭矩
• 逆向動力學模型就是完整的策略 — 它說明如何到達給定的下一個狀態，但必須由其他部分決定以哪個狀態為目標
• 逆向動力學總是有唯一解 — 冗餘機器人、接觸與多步目標可能讓好幾個動作同樣有效

誰需要了解

• 從事機器手臂與足式機器人的機器人控制工程師
• 使用影片與世界模型的機器人學習研究人員
• 人形機器人全身控制開發者
• 學習動力學的機器人學生

相關技術

• 遞迴牛頓-歐拉演算法（Recursive Newton-Euler Algorithm）
• Pinocchio
• 計算扭矩控制（Computed-Torque Control）
• 全身控制（Whole-Body Control）
• 正向動力學模型（Forward Dynamics Model）
• 世界模型（World Model）

相關術語

• Imitation Learning
• Torque Control
• Forward Dynamics Model

相關專案

• OpenPI: Physical Intelligence VLA foundation models for general robot control
• NVIDIA Isaac GR00T: NVIDIA open foundation model for humanoid robot reasoning and skills
• Drake: MIT robotics toolbox for model-based dynamics, optimization, and control system design
• DreamZero: NVIDIA World Action Model that jointly predicts future video and robot actions
• robosuite: Modular MuJoCo simulation framework for robot learning research
• LIBERO: Lifelong robot learning benchmark with 130 procedural tasks

影片

• Modern Robotics, Chapter 8.3: Newton-Euler Inverse Dynamics: Northwestern Robotics