[论文解读] Marinarium: a New Arena to Bring Maritime Robotics Closer to Shore

Ignacio Torroba, D. Dorner+15 more|arXiv (Cornell University)|Feb 26, 2026

Underwater Vehicles and Communication Systems被引用 0

一句话总结

本论文介绍 Marinarium，这是一种具备数字孪生与太空机器人整合的模块化水下研究设施，并演示基于 Koopman EDMD 与 RBF 的水下车辆数据驱动系统辨识等若干开放性研究实验。

ABSTRACT

This paper presents the Marinarium, a modular and stand-alone underwater research facility designed to provide a realistic testbed for maritime and space-analog robotic experimentation in a resource-efficient manner. The Marinarium combines a fully instrumented underwater and aerial operational volume, extendable via a retractable roof for real-weather conditions, a digital twin in the SMaRCSim simulator and tight integration with a space robotics laboratory. All of these result from design choices aimed at bridging simulation, laboratory validation, and field conditions. We compare the Marinarium to similar existing infrastructures and illustrate how its design enables a set of experiments in four open research areas within field robotics. First, we exploit high-fidelity dynamics data from the tank to demonstrate the potential of learning-based system identification approaches applied to underwater vehicles. We further highlight the versatility of the multi-domain operating volume via a rendezvous mission with a heterogeneous fleet of robots across underwater, surface, and air. We then illustrate how the presented digital twin can be utilized to reduce the reality gap in underwater simulation. Finally, we demonstrate the potential of underwater surrogates for spacecraft navigation validation by executing spatiotemporally identical inspection tasks on a planar space-robot emulator and a neutrally buoyant \gls{rov}. In this work, by sharing the insights obtained and rationale behind the design and construction of the Marinarium, we hope to provide the field robotics research community with a blueprint for bridging the gap between controlled and real offshore and space robotics experimentation.

研究动机与目标

• 提供一个具有成本效益、模块化且靠近海岸的室内设施，用于可重复的海事机器人实验。
• 实现多领域实验（水下、水面、空中）并与空间机器人实验室基础设施集成。
• 通过数字孪生和实时 ROS 2 集成，桥接仿真与现实测试。
• 探索水下车辆的数据驱动系统辨识与 Sim2Real 桥接方法。
• 展示使用水下替身进行空间机器人验证的可行性。

提出的方法

• 描述 Marinarium 设计：9x5x3 m 的水槽、可伸缩屋顶、双 Mu可追踪系统，以及 ROS 2 集成。
• 从高保真水槽数据开发水下车辆的数据驱动离散时间动力学模型。
• 在水槽数据上比较四种动力学模型：Koopman EDMDc with RBFs、Double Integrator (DI)、基于 Fossen 的物理模型、以及带物理信息的神经网络 (PINc)。
• 使用高斯 RBF 将状态提升到高维空间，并学习线性 A,B 于 zk+1=Azk+Buk，线性解码器 C。
• 在 12D 状态和 8 个推进器输入、50 Hz 下训练与评估模型，报告端点 RMSE 在时域 H=1、10、100 的表现。
• 提供一个可复现的 EDMDc–RBF 识别流程，使用 k-means 作为 RBF 中心，脊回归用于 A,B。

实验结果

研究问题

• RQ1 一个靠近岸边的模块化设施如 Marinarium 能否通过实现可重复、逼真的实验来加速水下机器人研究？
• RQ2 数据驱动模型（特别是 Koopman EDMDc with RBFs）在识别水下车辆动力学方面，与传统物理模型或神经网络方法相比表现如何？
• RQ3 数字孪生与多领域测试在多大程度上可以缩小水下机器人领域的 sim2real 差距？
• RQ4 在水下代理用于太空机器人验证的可行性如何？

主要发现

Model	1-step RMSE	10-step RMSE	100-step RMSE
Koopman (EDMDc–RBF)	0.0629	0.0831	0.1859
Double Integrator (DI)	0.0784	0.1088	0.4683
Fossen (BlueROV2)	0.0765	0.2122	0.5788
PINc (ResDNN)	8.7886	9.1550	9.1639

• Koopman EDMDc with RBFs 模型在水槽数据的 1、10、100 步时域上获得最佳端点 RMSE。
• 基础 DI 与 Fossen 物理模型在较长时域下表现劣于 Koopman 方法。
• PINc 在此数据集上表现出非常高的 RMSE，表明性能较差。
• 经评估的 RMSE 为 Koopman EDMDc–RBF：1 步 0.0629、10 步 0.0831、100 步 0.1859；DI：0.0784、0.1088、0.4683；Fossen：0.0765、0.2122、0.5788；PINc：8.7886、9.1550、9.1639。
• 该研究验证了在水下机器人领域使用高保真水槽数据进行数据驱动动力学辨识的实用流程。
• Marinarium 提供了一个受控环境，用于收集密集、低噪声的数据集，适合算符理论的系统辨识与 sim2real 桥接。