Bridging the Sim-to-Real Gap in Parallel-Link Leg Mechanisms via Simulator-Side Dynamics Normalization

📄 arXiv: 2608.01697v1 📥 PDF

作者: Jinsong Hong, Jangho Kim, Jihwan Lee, Donghyun Kim, Sehoon Oh

分类: cs.RO, eess.SY

发布日期: 2026-08-03

备注: 10 pages, 12 figures

💡 一句话要点

提出S3N方法以解决并联机构仿真与现实间的动态差距问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 并联机构 动态仿真 系统归一化 机器人控制 仿真与现实一致性

📋 核心要点

  1. 现有方法未能有效处理并联机构在仿真与现实之间的动态差距，导致控制策略的有效性降低。
  2. 论文提出的S3N方法通过归一化串联树仿真器的动态特性，解决了执行器惯性和连杆惯性未被充分考虑的问题。
  3. 实验结果表明，S3N-Full在关节位置和扭矩的RMSE上分别减少了80.9%和82.1%，显著提升了仿真与现实的一致性。

📝 摘要（中文）

本文针对并联机构在仿真中使用串联树代理时产生的动态仿真与现实之间的差距进行了研究。传统的基于雅可比的状态和扭矩映射虽然在运动学和虚功关系上保持一致性，但未能考虑由于坐标引起的执行器惯性和阻尼的重新分配，以及在串联树简化过程中遗漏的连杆惯性。为了解决这一问题，提出了仿真端系统归一化（S3N）方法，旨在在保持树形拓扑的同时归一化串联树仿真器的有效动态。S3N-Act通过坐标变换将执行器惯性和阻尼纳入串联坐标动态，而S3N-Full则通过分别识别执行器和腿部的频率响应来恢复残余的连杆惯性。在2自由度验证中，S3N-Full相较于雅可比映射基线减少了关节位置和扭矩的均方根误差（RMSE）分别达到80.9%和82.1%。

🔬 方法详解

问题定义：本文旨在解决并联机构在仿真中使用串联树代理时产生的动态差距问题。现有的雅可比映射方法虽然在运动学上保持一致性，但未能考虑执行器惯性和连杆惯性对动态特性的影响。

核心思路：论文提出的仿真端系统归一化（S3N）方法，通过归一化串联树仿真器的有效动态，解决了执行器和连杆惯性未被充分考虑的问题，从而提高了仿真与现实之间的动态一致性。

技术框架：S3N方法包括两个主要模块：S3N-Act和S3N-Full。S3N-Act通过坐标变换将执行器的惯性和阻尼纳入动态模型，而S3N-Full则通过识别执行器和腿部的频率响应来恢复连杆的惯性。

关键创新：S3N方法的创新之处在于它能够在保持树形拓扑的前提下，归一化串联树仿真器的动态特性，显著改善了仿真与现实之间的动态一致性。

关键设计：在S3N-Act中，采用了坐标变换来整合执行器的惯性和阻尼；而在S3N-Full中，通过频率响应分析来恢复连杆的惯性，确保了动态模型的准确性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，S3N-Full在关节位置和扭矩的均方根误差（RMSE）上分别减少了80.9%和82.1%，在地面反作用力的RMSE上也分别减少了65.1%和62.4%。此外，S3N-Full在圆形运动中的仿真与现实差距从17.3%降低至9.9%，显著提升了动态一致性。

🎯 应用场景

该研究的潜在应用领域包括机器人控制、仿真训练和自动化系统设计等。通过提高仿真与现实之间的动态一致性，S3N方法能够为机器人在复杂环境中的自主导航和任务执行提供更可靠的支持，未来可能推动智能机器人技术的进一步发展。

📄 摘要（原文）

This paper addresses the sim-to-real gap in dynamics arising when a parallel-link mechanism is represented by a serial-tree surrogate in simulation. Conventional Jacobian-based state and torque mappings preserve consistency with the kinematic and virtual-work relations but do not account for the coordinate-induced redistribution of actuator inertia and damping and the linkage inertia omitted during serial-tree reduction. To address this gap, Simulator-Side System Normalization (S3N) is proposed to normalize the serial-tree simulator's effective dynamics while preserving its tree topology. S3N-Act incorporates actuator inertia and damping into the serial-coordinate dynamics through coordinate transformation, whereas S3N-Full restores residual linkage inertia by separately identifying actuator- and leg-level frequency responses. In the 2-DoF validation, S3N-Full reduced the joint-position and torque RMSEs by 80.9% and 82.1%, respectively, relative to the Jacobian-mapping baseline. During pitch-in-place motion, S3N-Act and S3N-Full reduced the RMSE of the ground reaction force norm by 65.1% and 62.4%, respectively. During circular locomotion, S3N-Full reduced the phase-averaged, command-normalized sim-to-real gap from 17.3% to 9.9%. These results show that simulator-side normalization improves motion- and force-level sim-to-real consistency. It enables policy training in a serial-tree framework with hardware-consistent dynamics that better represent the physical parallel-link mechanism.