IEEE Transactions on Robotics

Port-Hamiltonian Neural ODE Networks on Lie Groups for Robot Dynamics Learning and Control

作者：Thai Duong, Abdullah Altawaitan, Jason Stanley, Nikolay Atanasov · 机构：Department of Electrical and Computer Engineering, University of California San Diego, La Jolla, CA, USA; Kuwait University, Kuwait

会议/期刊：IEEE Transactions on Robotics · 发布日期：2024 · 页码：3695-3715

运动规划控制水下机器人飞行机器人

精读笔记

Problem Setting

《Port-Hamiltonian Neural ODE Networks on Lie Groups for Robot Dynamics Learning and Control》（IEEE Transactions on Robotics / 2024）处理的是一个很实际但经常被拆开的难题：机器人状态在 Lie 群上，动力学有 Hamiltonian/port-Hamiltonian 结构，而我们希望从有限轨迹数据学一个可用于控制的模型。真正困难不是短期预测，而是 learned vector field 必须同时满足姿态/位姿约束、能量结构、耗散方向、输入通道和欠驱动可控性。以前方法卡在分工过细：black-box Neural ODE 拟合能力强但会学出非物理场；HNN/LNN 保能量但常用欧氏坐标或局部参数；Lie group Neural ODE 保群结构但不一定知道什么是机械能；传统机器人模型便于控制但结构偏差和参数偏差难靠少量参数修正。本文的关键矛盾是：机器人控制需要结构可信的模型，而数据驱动学习通常给的是表达自由度；作者选择牺牲一部分函数自由度，换取几何和能量一致性。

Motivation

作者的核心观察是，机器人动力学中的强先验不是“可选 regularization”，而是模型能否在少数据和闭环下工作的前提。对于刚体机器人，Lie group kinematics 和能量收支是比具体质量、惯量、阻尼参数更稳定的知识；具体参数可以学，但结构不该让网络自己从数据里猜。现有路线缺的是一个同时覆盖三件事的表示：第一，状态演化不能离开 SO(3)/SE(3)；第二，无输入无耗散时能量应守恒，有摩擦/阻力时能量应单调耗散；第三，模型必须暴露出可用于 passivity-based control 的能量、耗散和输入矩阵，而不是只输出 dx/dt。也就是说，缺口不是更大的网络，而是能让 learned model 直接进入控制理论接口的结构化表示。

Core Idea

论文真正的核心不是“在 Neural ODE 里放几个网络”，而是改变动力学学习的对象：不直接学习 f(x,u)，而学习构成 port-Hamiltonian 系统的物理对象——质量/惯量、势能、耗散、输入映射——再由 Lie group Hamiltonian 方程生成 f。这样模型的自由度被限制在机械系统可解释的子空间内，预测和控制都共享同一个能量表示。这个 inductive bias 比单纯的 coordinate trick 更强，因为它同时约束了 kinematics、force balance、dissipation 和 actuation geometry。本质区别在于 prior work 多数只保证一个侧面：HNN 保辛/能量但坐标不适合机器人姿态；Lie group ODE 保 manifold 但仍可能是任意 dynamics；本文把两者和 control port 绑定在一起。直觉上它有效，是因为机器人动力学的数据通常覆盖有限，black-box 学到的局部向量场在长时域会暴露结构错误；而 port-Hamiltonian 参数化把很多不该从数据学习的内容硬编码掉，减少了需要识别的函数空间。

Method

方法层面最关键的是三组约束。第一，Lie group 约束：状态 q 以矩阵群元素表示，速度在 Lie algebra 中，qdot 由左平移生成。它解决的是姿态表示和 rollout drift 问题；核心变化是网络不再直接预测姿态导数的任意矩阵，而是通过 algebra velocity 诱导切向运动。需要注意的是，训练实现仍在欧氏 embedding 中用高阶 ODE solver，严格几何保持依赖数值误差足够小，并非完全 intrinsic。第二，port-Hamiltonian 参数化：Hamiltonian 被拆成动能和势能，质量/惯量逆矩阵和耗散矩阵用 Cholesky 类构造保证正定/半正定，输入矩阵单独学习。它解决的是能量漂移和非物理阻尼问题；核心变化是模型输出的 force-like terms 来自能量梯度和耗散映射，而不是任意 MLP。第三，控制接口：在 learned model 上构造 desired Hamiltonian，并用 energy shaping + damping injection 让误差能量下降。它解决的是 learned dynamics 往往只能预测、不能稳定控制的问题；核心变化是控制律依赖学习到的结构项，而不是重新训练 policy。对 quadrotor 这类欠驱动系统，作者还需要根据 desired thrust 构造 desired attitude，这一步是机器人控制中的经典几何控制思想重组，不是由学习自动发现。

Key Insight / Why It Works

最重要的有效性来源是 better inductive bias，而不是 scaling。网络规模并不大，真实实验甚至用很小 MLP；增益主要来自把可行 vector field 的空间强行压缩到“Lie group port-Hamiltonian mechanical systems”。这带来两个直接后果：一是长时 rollout 时姿态和能量不会像 black-box 那样自由漂；二是控制器可以读取 Hamiltonian、dissipation、B(q) 这些对象做 passivity-based design，而不是把 learned model 当不可解释黑箱。最可能的核心贡献是“结构化可控动力学表示”，而不是某个网络结构或训练 recipe。Cholesky 正定化、势能/动能拆分、log-map loss 都是必要工程支撑，但不是根本创新。比较实验显示 structured Hamiltonian 优于 black-box 和 unstructured Hamiltonian，这很符合预期：unstructured HNN 虽然有 Hamiltonian，但没有把 kinetic/potential、质量正定和机器人输入结构拆开，因此更难学也更难控制。需要警惕的是，部分性能可能来自数据分布很规整和任务较低维：训练轨迹由 PID 或随机常值输入生成，测试轨迹也在相近动力学 regime；所谓泛化更多是结构外推加局部分布覆盖，不是任意操作条件下的泛化。payload 快速更新也可能主要来自 warm start + 动力学变化低维，而不是证明了在线自适应能力。文中没有充分隔离 nominal model、controller tuning、network capacity、data amount 与结构先验各自贡献，增益来源不清。

Relation To Prior Work

这篇属于 Hamiltonian/Lagrangian neural dynamics、port-Hamiltonian systems、Lie group Neural ODE 和 passivity-based control 的交叉谱系。和 Greydanus/Zhong 类 HNN/port-HNN 相比，真正新增的是把机械系统状态放在矩阵 Lie 群上，并把 SE(3) 刚体项显式写进 port-Hamiltonian ODE；不是只在 R^n 中学 H(q,p)。和 Lie group Neural ODE 相比，它不满足于几何约束，而是进一步要求 vector field 来自能量结构，并且有 dissipation/input ports。和 Wotte et al. 这类 SE(3) Hamiltonian learning 接近，差异在于本文更强调 port-Hamiltonian 耗散、一般矩阵 Lie 群表述，以及闭环 tracking 控制；但 intrinsic Lie group adjoint/积分并不是本文强项。和 IDA-PBC / geometric control 相比，控制思想本身不是全新，实质创新在于把这些控制律接到 learned port-Hamiltonian model 上，从而减少对手工参数模型的依赖。很多看似新的组件其实是已有思想重组：正定质量矩阵、能量 shaping、quadrotor desired attitude construction 都有成熟来源；实质新增信息是这些组件在一个可学习的 Lie group port-Hamiltonian ODE 中被组织成统一接口。

Dataset / Evaluation

评估覆盖面在机器人动力学学习论文里算比较完整：有 SO(3) pendulum、SE(2) ground vehicle、SE(3) simulated quadrotor，以及真实 PX4 quadrotor和 payload 改变。真实世界实验是本文说服力的重要部分，因为它验证 learned structure 不只是漂亮 rollout，也能改善闭环 tracking。比较实验基本支撑核心 claim：结构化模型在群约束、能量守恒和预测误差上优于 black-box/unstructured baseline；控制实验显示 learned model + energy-based controller 比 nominal geometric controller 更好。限制也明显：任务主要是刚体平台、无接触、无复杂气动、轨迹分布相对温和；真实实验比较中 controller 和 model 同时变化，很难完全归因于动力学学习本身。欠驱动 claim 主要由 quadrotor 支撑，但 quadrotor 是结构非常特殊、控制理论非常成熟的平台，不能直接推出一般欠驱动 Lie group 系统都可处理。evaluation 验证了“在典型刚体机器人上结构先验有用”，但还没有验证“广泛机器人类别上的统一学习控制框架”。

Limitation

方法成立依赖一组强前提。第一，系统必须接近 port-Hamiltonian 机械系统，且未建模效应能被势能、质量矩阵、半正定耗散和输入矩阵吸收；接触、混合动力学、强非保守气动、执行器延迟/饱和会直接破坏这个假设。第二，momentum 不观测导致物理项不可辨识，质量、势能、B、D 存在尺度自由度；因此学到的分解不应被解释为真实物理参数，只能说它生成了等价动力学。第三，控制证明依赖 learned model 正确、matching condition 成立、desired momentum derivative bounded、增益正定等条件；真实系统中的模型误差和输入约束没有进入稳定性证明。第四，Lie group 保持在实现上不是严格 intrinsic，文中用高阶欧氏积分器控制漂移；这在长时、刚性或高速度系统上可能成为上限。第五，scalability 到多刚体和接触并不自然：Hamiltonian 结构本身可扩展，但需要处理约束、碰撞、拓扑变化和高维输入矩阵，学习难度会显著上升。最后，真实实验增益可能部分来自数据覆盖、warm start、控制器调参和平台结构简单，文中未充分说明这些因素的相对贡献。

Takeaway

  • 第一，机器人 dynamics learning 真正有价值的方向不是把 f(x,u) 拟合得更大，而是学习能和控制理论对接的结构化对象；这篇把 energy、dissipation、actuation 和 Lie group kinematics 组织成一个可用接口。
  • 第二，Hamiltonian learning 如果要进入机器人，必须离开欧氏 toy systems，处理 SE(3)、输入通道和耗散；本文推动的是这个工程-理论结合点。
  • 第三，可迁移的 insight 是：把不可从有限数据可靠学习的物理约束写进 architecture，把可变化的参数/残差交给网络，这比 black-box residual dynamics 更适合闭环部署。
  • 第四，未来真正值得做的不是再换一个 MLP，而是解决 identifiability、intrinsic geometric integration、contact/multi-body extension、input constraints 下的稳定性，以及结构先验和数据覆盖的清晰归因。

一句话总结

这篇论文是把 Hamiltonian/port-Hamiltonian neural dynamics 从欧氏玩具系统推进到 Lie group 机器人控制接口的一步，真正贡献在于用结构化能量模型替代黑箱向量场，使 learned dynamics 同时服务于长期预测和 passivity-based 控制。