[論文レビュー] System Identification under Constraints and Disturbance: A Bayesian Estimation Approach

Sergi Martínez, Steve Tonneau+1 more|arXiv (Cornell University)|Feb 18, 2026

Robot Manipulation and Learning被引用数 0

ひとこと要約

ベイズ系SysIDフレームワークを提案。浮遊基底ロボットの状態軌道、外乱、物理パラメータを、接触とループ制約下で同時推定し、エネルギーに基づく観測と等式制約付きリカッチ方程式ソルバーでスケーラビリティを実現。Z1アーム付きUnitree B1でのハードウェア実験とMPCベース評価で、ベースラインより精度と接触整合性が向上。

ABSTRACT

We introduce a Bayesian system identification (SysID) framework for jointly estimating robot's state trajectories and physical parameters with high accuracy. It embeds physically consistent inverse dynamics, contact and loop-closure constraints, and fully featured joint friction models as hard, stage-wise equality constraints. It relies on energy-based regressors to enhance parameter observability, supports both equality and inequality priors on inertial and actuation parameters, enforces dynamically consistent disturbance projections, and augments proprioceptive measurements with energy observations to disambiguate nonlinear friction effects. To ensure scalability, we derive a parameterized equality-constrained Riccati recursion that preserves the banded structure of the problem, achieving linear complexity in the time horizon, and develop computationally efficient derivatives. Simulation studies on representative robotic systems, together with hardware experiments on a Unitree B1 equipped with a Z1 arm, demonstrate faster convergence, lower inertial and friction estimation errors, and improved contact consistency compared to forward-dynamics and decoupled identification baselines. When deployed within model predictive control frameworks, the resulting models yield measurable improvements in tracking performance during locomotion over challenging environments.

研究の動機と目的

• 浮遊基底ロボットの接触およびループ制約下で、状態軌道、外乱、作動作用の影響、物理パラメータを同時推定する。
• ダイナミクスの物理的一貫性、接触制約、摩擦モデルを硬い段階的等式・不等式として適用する。
• エネルギーに基づく測定とトルクなし観測を用いて摩擦観測性を向上させる。
• 長時間SysIDのための解析的微分を備えたスケーラブルな等式制約付きリカッチソルバを開発する。
• MPCを用いた性能向上を示し、シミュレーションと実機の収束速度とパラメータ精度を改善する。

提案手法

• 動力学整合性と物理的妥当性を強制する等式/不等式制約を備えたハイブリッド逆動力学モデルによるベイズSysIDを定式化する（式1a–1f）。
• 解析的微分を用いて最適化の感度を得るために、パラメトリックな前方または逆動力学を使用する。
• モードと衝撃の双方で運動制約とGaussの原理を用いて閉ループの運動学、両側接触、リセット写像を組み込む。
• 乾燥・粘着・粘性・Stribeck効果を捉えるエネルギー対応の識別器で摩擦を微分可能にモデル化し、エネルギーに基づく観測で測定を補強する。
• Lie代数ベースのパラメータ化と制約整合の外乱射影を活用して、物理的一貫性を維持しつつスケーラビリティを確保する。
• 長期・長周波データセット上で構造化KKT系を効率的に解く等式制約付きリカッチ再帰（およびその導関数）を導出・適用する。

Figure 1 : The Unitree B1 quadruped robot performing a step-up maneuver. The leg includes a reduction gear and a four-bar linkage, both explicitly modeled as constraints within our SysID framework. The highlighted cross-section reveals the internal linkage bars, whose inertial properties and actuato

実験結果

リサーチクエスチョン

• RQ1 接触とループ制約下で、浮遊基底ロボットの状態、外乱、作動効果、および物理パラメータを同時推定するにはどうすればよいか。
• RQ2 トルクセンシングが制限または不在のとき、エネルギーに基づく観測は摩擦パラメータの識別性と推定を改善できるか。
• RQ3 等式制約付きリカッチソルバは長期的な時間軸でスケーラブルなベイズSysIDを実現できるか。
• RQ4 エネルギー整合の事前分布と制約認識の定式化は、正向ダイナミクスや分離SysIDベースラインより精度と頑健性を上回るか。
• RQ5 困難な環境での locomotion のモデル予測制御（MPC）で、同定モデルはどの程度の性能向上を提供するか。

主な発見

• シミュレーションとハードウェアの実験で、正向ダイナミクスや分離ベースラインと比較し、パラメータ推定の精度と収束が向上。
• 明示的な制約の埋め込みとダイナミクスモデリングにより、接触およびループ閉塞の整合性が向上。
• エネルギー基盤の観測は摩擦効果の判別を支援し、トルクセンシングが直接ない場合の同定性を改善。
• 提案スキームで同定したモデルは、困難な地形での locomotion におけるMPC内で追従性能を有意に改善。

Figure 2 : Overview of the our Bayesian optimization pipeline for system identification. Proprioceptive measurements (e.g., encoders, IMU) and optional exteroceptive measurements (e.g., visual odometry/ICP) are synchronized and used to jointly estimate the state trajectory, disturbances, actuation e