系统辨识

用实测的输入输出数据，反推出系统的数学模型和参数。

系统辨识是根据实测的输入、输出数据，用统计方法建立动态系统数学模型的学问，也包括如何设计实验以采到信息量足的数据。按先验知识多少分三类：白箱（完全由物理定律推导）、灰箱（结构已知、参数靠数据拟合，如辨识连杆质量、惯量和关节摩擦）、黑箱（只拟合输入输出关系，如用神经网络）。在具身智能里它是缩小虚实差距的主要手段之一：把真机测得的参数写回仿真器，或学一个模型补上仿真缺失的部分。Hwangbo 等人 2019 年在 ANYmal 上先辨识机器人物理参数，再用真机数据训练执行器网络来模拟电机与底层软件的动态。它和域随机化互补：前者让仿真更准，后者让策略对剩余误差更鲁棒。

例子给机器人某个关节施加正弦扫频力矩，记录角度和角速度，用最小二乘拟合出转动惯量、黏性摩擦和库仑摩擦系数，再写回 MuJoCo 模型，让仿真里同一指令下的关节轨迹与真机对齐。

也叫

系统辨识建模、模型辨识、参数辨识

相关

动力学参数辨识、执行器建模、虚实差距、域随机化、现实到仿真、惯性参数

来源

Wikipedia: System identification
Learning agile and dynamic motor skills for legged robots（执行器网络）