NeSAM：面向越野移动的神经符号运动动力学与土壤自适应框架

越野车辆在可变形地形上的运动预测面临挑战，因下陷、滑移和牵引力随局部土壤条件变化。现有学习型运动动力学模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身直接近似车辆与地形交互，但未显式表达土壤力学，物理可解释性有限。为此，研究团队提出NeSAM神经符号框架，融合可微Bekker-Wong地面力学与学习型地形表示，并引入变压器残差动力学模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身，实现六自由度自由度DoF机器人能独立运动的方向数量；自由度越多，动作通常越灵活，控制也更复杂。◆ 小白科普 · 现身长时运动预测。地面力学组件建模土壤相关交互力，残差模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身则修正解析预测与实际车辆动态间的差异。NeSAM还能从地形观测中估计物理意义的土壤参数，并通过扩展卡尔曼滤波在线更新。

评估在基于Chrono多物理引擎的Verti-Bench模拟器及物理Verti-4-Wheeler平台上进行，模拟中预测精度最高提升30%，真实数据上提升29%。集成闭环导航控制器后，经在线土壤适应，穿越成功率提升，轨迹跟踪的豪斯多夫距离降低69.4%。