Inverse Dynamics Model

• 又称: IDM, inverse model, inverse dynamics
• 类别: Learning & autonomy › RL & simulation
• 标签: dynamics, control, robot-learning, video-learning, model-based-control

一种模型，计算把系统从当前状态移动到期望的下一个状态或加速度所需的动作，例如关节力矩或控制指令。

定义

逆向动力学模型（Inverse dynamics models）回答的是与正向模型相反的问题：已知系统当前所处的位置以及下一步应处的位置，哪个动作能使它到达那里？形式上，逆向动力学模型把当前状态和期望的下一个状态（或期望的加速度）映射到产生这一变化的动作。

在经典机器人学中，逆向动力学指的是计算实现给定关节位置、速度和加速度所需的关节力矩。对于刚体机器人，它可以用递归牛顿-欧拉算法（Recursive Newton-Euler Algorithm）高效计算，其计算量随关节数量线性增长。逆向动力学是计算力矩控制和前馈补偿的基础：控制器计算机械臂跟随一条轨迹所需的力矩，只用反馈来修正剩余的误差。足式机器人的全身控制器求解一种带约束形式的逆向动力学，同时考虑接触力。

在机器人学习中，逆向动力学模型通常是在记录下的状态转移上训练的神经网络，用于预测两个连续观测之间所采取的动作。它有多种用途。它可以把预测的未来观测（例如生成的视频帧）转换为机器人能够执行的动作。它可以通过推断必定采取过哪些动作，为没有记录动作的视频打标签。它还可以作为辅助训练目标，促使学习到的表示捕捉智能体能够控制的东西。

当不同动作产生相同结果，或者期望的下一个状态无法在一步之内到达时，逆向模型可能是病态的，因此实际系统常常加入过去的状态或更长时域等上下文。

为何重要

逆向动力学是机器人把规划好的运动转换为产生它的力或指令的方式，从工业机械臂的计算力矩控制到人形机器人的全身控制都是如此。在机器人学习中，逆向动力学模型把预测和动作联系起来，使在视频或未来状态预测上训练的系统能够真正控制机器人。

主要应用

• 机械臂的计算力矩控制和前馈控制
• 人形机器人和足式机器人的全身控制
• 把预测的未来观测转换为可执行的动作
• 为缺少动作标签的视频数据集推断动作标签
• 面向控制的自监督表示学习

实际应用

对于拥有准确 URDF 的机械臂，工程师用 Pinocchio 等库或在厂商的控制器中计算逆向动力学，并把得到的力矩作为前馈输入，留下一个增益较低的反馈环来处理摩擦和未建模的负载。当模型不确定时，他们会先辨识惯性参数，或在其上学习一个残差修正。在学习流程中，团队可能先在带有记录动作的机器人轨迹上训练一个小型逆向动力学网络，再用它为更大规模的无动作视频推断动作，或把模型预测的下一帧转换为指令。他们在留出数据上比较推断的动作与记录的动作来检验它。

常见误解

• 逆向动力学与逆运动学相同 — 逆运动学求的是实现期望位姿的关节位置，而逆向动力学求的是产生期望运动所需的力或力矩
• 逆向动力学模型就是一个完整的策略 — 它说明如何到达给定的下一个状态，但必须由别的东西来决定以哪个状态为目标
• 逆向动力学总有唯一解 — 冗余机器人、接触和多步目标可能使多个动作同样有效

谁需要了解

• 从事机械臂和足式机器人的机器人控制工程师
• 使用视频和世界模型的机器人学习研究人员
• 人形机器人全身控制开发者
• 学习动力学的机器人专业学生

相关技术

• 递归牛顿-欧拉算法（Recursive Newton-Euler Algorithm）
• Pinocchio
• 计算力矩控制（Computed-Torque Control）
• 全身控制（Whole-Body Control）
• 正向动力学模型（Forward Dynamics Model）
• 世界模型（World Model）

相关术语

• Imitation Learning
• Torque Control
• Forward Dynamics Model

相关项目

• 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

视频

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