[论文解读] Robopheus: A Virtual-Physical Interactive Mobile Robotic Testbed

Xuda Ding, Han Wang+3 more|arXiv (Cornell University)|Mar 7, 2021

Distributed Control Multi-Agent Systems参考文献 27被引用 4

一句话总结

Robopheus 引入了一种新颖的虚实交互式移动机器人测试平台，通过从物理实验中实时动态学习模型，将真实机器人与高保真仿真相连接。通过持续使用真实世界数据更新虚拟模型（包括轮滑、摩擦力和执行器约束），其物理机器人轨迹精度相比非交互方法提升了300%，实现了可扩展的异构机器人测试，并支持在线控制器优化。

ABSTRACT

The mobile robotic testbed is an essential and critical support to verify the effectiveness of mobile robotics research. This paper introduces a novel multi-robot testbed, named Robopheus, which exploits the ideas of virtual-physical modeling in digital-twin. Unlike most existing testbeds, the developed Robopheus constructs a bridge that connects the traditional physical hardware and virtual simulation testbeds, providing scalable, interactive, and high-fidelity simulations-tests on both sides. Another salient feature of the Robopheus is that it enables a new form to learn the actual models from the physical environment dynamically and is compatible with heterogeneous robot chassis and controllers. In turn, the virtual world's learned models are further leveraged to approximate the robot dynamics online on the physical side. Extensive experiments demonstrate the extraordinary performance of the Robopheus. Significantly, the physical-virtual interaction design increases the trajectory accuracy of a real robot by 300%, compared with that of not using the interaction.

研究动机与目标

• 为克服孤立的物理与虚拟机器人测试平台的局限性，实现物理机器人与高保真仿真之间的实时双向交互。
• 通过统一的即插即用连接器设计，支持异构机器人运动学与控制器，实现更广泛的算法兼容性。
• 从实时物理操作数据中动态学习准确的机器人动力学模型，包括轮滑、摩擦力和执行器约束。
• 利用学习到的虚拟模型预测机器人行为，并实时优化物理控制器性能。
• 为移动机器人研究（包括集群机器人、SLAM 和异构机器人协作）提供可扩展、可访问且高保真的测试平台。

提出的方法

• 该系统将物理测试平台与自研的异构机器人底盘及控制器集成，通过统一的硬件接口实现即插即用的兼容性。
• 利用物理测试平台的实时运行数据，在虚拟环境中学习动力学模型，整合轮滑、摩擦力等现实因素。
• 采用类数字孪生架构，实现双向交互：虚拟仿真指导物理控制，物理数据优化虚拟模型。
• 采用在线模型学习技术，根据观测到的物理行为动态更新虚拟机器人动力学，确保高保真仿真。
• 虚拟测试平台可在用户本地机器上运行，支持自定义仿真场景，而物理测试平台则用于真实世界算法验证。
• 建立反馈回路：虚拟模型预测机器人轨迹，并提供最优控制输入以提升物理机器人的性能。

实验结果

研究问题

• RQ1 如何设计一种虚实机器人测试平台，实现实时交互的同时保持高保真仿真？
• RQ2 哪些技术能够从真实机器人运行数据中准确学习动态模型，包括轮滑和执行器约束等非理想因素？
• RQ3 通过实时反馈，虚拟模型预测能在多大程度上提升物理机器人的轨迹精度？
• RQ4 如何在保持系统稳定性与可扩展性的前提下，支持异构机器人运动学与控制器？
• RQ5 双向虚实交互是否能显著提升控制性能，超越孤立的物理或虚拟测试？

主要发现

• Robopheus 中的虚实交互使机器人轨迹精度相比非交互测试提升了约300%，展现出显著的性能提升。
• 在从物理数据学习模型后，虚拟与物理轨迹高度一致，显著减少了因滑移和摩擦模型差异导致的偏差。
• 该系统成功实现实时学习并整合现实世界动力学（如轮滑、摩擦力和执行器约束）至虚拟仿真中。
• 虚拟测试平台可本地安装并独立用于仿真，而物理测试平台则支持真实世界算法验证。
• 从虚拟预测到物理控制的反馈回路实现了稳定且精确的机器人运动，误差始终控制在 ±30 像素范围内。
• 该测试平台通过在高保真虚拟环境中进行预仿真，支持多样化的机器人应用，包括机器人集群、SLAM 和异构机器人协作。