Diff-ILC：黑盒位置指令机械臂的可微迭代学习控制

Mohammed Al-Ghaili、Yakoop Qasim、Hassan Almubarak 提出 Diff-ILC，一种在线双层框架，用于底层控制器不可访问的位置指令机械臂：在物理执行之间自适应调整约束迭代学习控制（ILC）的更新参数。方法先从成对平滑扰动中一次性辨识闭环微分模型并保持固定，每次试验用约束二次规划求可行指令修正，再通过隐式微分局部活跃 KKT 系统获得超梯度，在不增加机器人执行次数的情况下完成多次计算参数更新。 作者在 6 自由度 DOBOT CR3 上对未见平面和三维轨迹实验，称物理试验收敛明显快于固定参数基于模型的 ILC；在四条主要轨迹上，仅两次试验间更新后，平均关节向量与笛卡尔 RMSE 分别比后者低 78.8% 和 76.4%。该结果为 arXiv 预印本，未经同行评议。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。