频率感知分解网络：攻克高频振动下机器人无传感器力矩预测难题

1. 项目概述：从“感知”到“预测”的液压机械臂力控革命

在工业机器人执行打磨、抛光、装配这类需要与环境发生物理接触的任务时，末端执行器与工件之间的力与力矩（Force/Torque，简称F/T）信息，是决定任务成败的“生命线”。传统的做法是在机械臂的“手腕”处安装一个六维力/力矩传感器，直接测量这些交互力。这就像给机器人戴上了一块昂贵且精密的“触觉手表”。然而，这块“手表”在严苛的工业现场——尤其是像挖掘、重型打磨这类振动剧烈、冲击频繁的场景中——显得格外脆弱。其高昂的成本、额外的安装空间、复杂的线缆布局以及对冲击载荷的敏感性，都成为了大规模部署的瓶颈。

于是，“无传感器力矩估计”技术应运而生。其核心思想非常巧妙：既然物理传感器有诸多不便，我们能否利用机器人自身已有的“本体感知”信号——也就是关节编码器反馈的位置、速度，以及驱动器（电机或液压缸）的电流或压力——来“计算”或“推断”出末端的受力情况？这就像一位经验丰富的老师傅，仅凭机床的震动声音和手柄的反馈，就能判断出刀具的切削力是否正常。这项技术的价值不言而喻：它能显著降低系统成本和复杂度，减少故障点，并使得机器人能在传统传感器无法胜任的恶劣环境中稳定工作。

然而，理想很丰满，现实却很骨感。当我们的机械臂从平稳的抓取、缓慢的装配，转向高频振动的打磨作业时，问题就来了。传统的无传感器估计方法，无论是基于精确动力学模型的反解，还是基于数据驱动的回归模型，大多是为处理相对平缓的力信号而设计的。它们就像一台只擅长处理舒缓古典乐的音响，一旦播放起重金属摇滚（即高频、瞬态的冲击力信号），就会严重失真，要么反应迟钝（滞后），要么完全无法捕捉到那些关键的、代表接触瞬态的高频细节。这些高频成分恰恰是判断打磨是否过载、接触是否稳定、表面质量是否达标的关键信息。

我最近深入研读并实践了一项来自前沿学术研究的工作，它提出了一种名为“频率感知分解网络”的框架，专门攻克这个高频振动环境下的力矩预测难题。这项研究没有停留在“此刻受力多少”的静态估计上，而是更进一步，致力于“预测未来短暂时间内力的变化趋势”。这对于实现前瞻性的力控制、提前规避过载或失稳至关重要。本文将结合我个人的工程理解与实践思考，为你彻底拆解这项技术的原理、实现细节以及其中蕴含的宝贵工程经验。

2. 核心思路拆解：为什么“分解”与“预测”是破局关键

面对振动丰富的力矩信号，直接用一个“黑箱”模型去拟合整个复杂的时域波形，效果往往不佳。高频的、看似杂乱无章的振动噪声会严重干扰模型对低频主体趋势的学习。FDN的核心智慧在于“分而治之”与“频率引导”。

2.1 谱分解：给信号做“频谱CT”

FDN的第一步，是对目标力矩信号W进行一次“频谱CT扫描”。它使用一个可微分的非递归低通滤波器，将原始信号分解为两个部分：

• 趋势分量：代表了力/力矩信号中缓慢变化的主体部分，通常与机器人的宏观运动、持续负载相关。例如，在打磨过程中，随着进给深度的增加，法向力会呈现一个缓慢上升的趋势。
• 残差分分量：即原始信号减去趋势分量后剩下的部分。这部分主要包含了高频的振动、冲击噪声以及一些瞬态响应。在打磨场景中，它对应着砂轮与工件表面微观不平度碰撞产生的瞬时力脉冲。

数学上，这个分解过程在频域完成。设定一个截止频率fc（例如1Hz），低于fc的成分被归入趋势，高于fc的成分则构成残差。这样做的好处是，模型可以分别学习两种特性迥异的分量，避免了“一锅炖”带来的相互干扰。

实操心得：截止频率fc的选择是第一个关键调参点。它需要根据具体任务的动力学特性来确定。一个实用的方法是分析一段典型任务数据的功率谱密度图，观察能量在频域上的分布。趋势与残差的分界点，通常位于信号能量从集中变为分散的过渡区域。在本文的打磨案例中，通过频谱分析发现1Hz以下能量集中，故设fc=1Hz。

2.2 非对称预测头：对症下药的处理策略

分解之后，FDN为趋势和残差设计了截然不同的预测策略，我称之为“非对称预测头”。

• 趋势头：采用确定性回归。因为趋势分量变化缓慢、规律性强，直接用线性层进行点对点的回归预测，稳定且高效。
• 残差头：采用概率性建模。高频残差具有更强的随机性和不确定性。FDN不是直接预测一个具体的残差值序列，而是预测一个高斯分布的参数（均值和方差）。在推理时，从这个分布中进行采样来生成残差序列。这相当于承认“我无法精确知道下一秒的高频振动具体是多少，但我知道它大概率会落在某个范围内”。这种方法为模型提供了表达不确定性的能力，对高频噪声的拟合更加鲁棒。

2.3 频率感知：给模型戴上“频谱眼镜”

这是FDN的点睛之笔。既然我们已经从频域视角分解了问题，何不让模型自己也学会用这个视角去看待数据？

1. 输入增强：在数据送入编码器之前，先经过一个“可学习的频率增强滤波器”。这个滤波器本质上是一组可调参数的频域掩码，模型通过训练学会应该增强或抑制输入信号中的哪些频率成分，以更好地服务于后续的力矩预测任务。这相当于让模型主动聚焦于与任务相关的频带。
2. 输出约束：在模型输出趋势和残差的预测后，并非直接使用，而是再次用我们预设的频带先验知识（低通滤波用于趋势，带通滤波用于残差）对其进行滤波处理，然后才用于计算损失。这个过程强制模型的输出必须符合我们对趋势（低频）和残差（特定高频带）的频谱定义，起到了正则化的作用，防止模型“胡思乱想”。

2.4 从“估计”到“预测”：引入时间序列建模

传统方法多是“瞬时估计”，即根据当前时刻的状态[qt, vt, at, ut]估计当前力矩Wt。FDN将其扩展为“短期预测”，即根据过去L个时刻的历史状态序列[x_{t-L+1}, ..., x_t]，预测未来T个时刻的力矩序列[W_{t+1}, ..., W_{t+T}]。 这个转变意义重大。它利用了循环依赖关系：当前的力会影响机器人下一刻的状态，而下一刻的状态又会产生新的力。通过建模这段历史，模型能够捕捉到动力学变化的惯性，实现一定程度的“预见”，这对于补偿信号处理、通信等环节带来的固有延迟至关重要。

2.5 大规模预训练与迁移学习：站在巨人的肩膀上

单个机器人、单一任务收集的数据总是有限的。FDN借鉴了CV和NLP领域的成功经验，引入迁移学习。研究者首先在一个大规模开源机器人数据集（如RH20T）上对模型进行“预训练”。这个数据集包含了多种机器人、多种接触式操作任务的“本体感知-力矩”配对数据。 预训练的目标是让模型学习一个通用的“从本体感知到力矩”的表示能力。然后，将这个预训练好的模型（主要是处理关节位置、速度、加速度的编码器）迁移到我们的目标任务——液压机械臂打磨上，进行“微调”。这相当于让模型先在“模拟考”中积累了丰富的经验，再针对“真题”进行专项突破，能显著提升在小数据集上的性能和泛化能力。

3. 网络架构与实现细节深度解析

FDN的整体架构是一个精心设计的编码器-预测器 pipeline。下面我们拆开每一个模块，看看它们是如何协作的。

3.1 输入表征与模态特定编码

模型的输入不是单一时刻的状态，而是一个长度为L的历史窗口，包含5种模态的信息：x_t = [Δq_t, v_t, a_t, u_t, q0^e]

• Δq_t = q_t - q0^e: 相对关节位置（减去任务片段初始位置q0^e），这有助于消除不同起始位形带来的偏差，让模型更关注运动本身。
• v_t, a_t: 关节速度和加速度（通常由位置信号数值微分得到）。
• u_t: 驱动信号。对于电机是电流或扭矩指令，对于液压系统是关节两侧的压差Δp。
• q0^e: 任务片段的初始关节位置，作为一个静态的上下文信息。

对于前4个时变模态[Δq, v, a, u]，FDN首先对它们应用可学习的频率增强滤波，然后使用模态特定的PatchTST编码器进行处理。PatchTST是一种将时间序列切成“补丁”再进行Transformer编码的先进方法，能有效捕获长期依赖。每个模态独立编码后，得到各自的隐层表示[z_Δq, z_v, z_a, z_u]。 对于静态的初始位置q0^e，则用一个简单的多层感知机编码为z_q0，然后将其广播并加到z_Δq上，以此将初始位形信息注入到时变的位置编码中。最后，将所有模态的表示在通道维度拼接，并通过一个线性混合层映射到与6维力矩对应的通道数，得到最终的序列表示z。

3.2 可逆实例归一化的巧妙适配

PatchTST原论文提出了可逆实例归一化技术，用于稳定训练。它先对每个输入通道进行归一化，训练后再反归一化得到输出。但原方法假设输入输出通道相同。在FDN中，输入是多种本体感知信号，输出是力矩，通道数并不一致。 FDN的解决方案是：仅对时变的本体感知输入[Δq, v, a, u]进行RevIN归一化，在通过编码器得到隐层表示[z_Δq, z_v, z_a, z_u]后，立即对它们施加反归一化。这样，归一化的好处被保留在了特征提取阶段，又不会影响后续到不同维度力矩的映射。

3.3 预测头与训练损失

得到最终的序列表示z后，将其展平，分别送入两个预测头：

1. 趋势头：一个线性层，输出未来T步的6维趋势力矩序列Ŵ_trend。
2. 残差头：两个平行的线性层，分别输出未来T步的6维均值序列μ_res和对数方差序列v_res。

训练时，损失函数也针对两部分分别设计：

• 趋势损失：预测趋势与真实趋势之间的均方误差。
• 残差损失：真实残差在预测的高斯分布下的负对数似然。

总损失是二者之和。这种设计迫使模型同时学好平滑的趋势和不确定的高频残差。

3.4 预训练与迁移的具体策略

在预训练阶段，为了消除上游数据集（电机驱动）与下游任务（液压驱动）在驱动模态上的巨大差异，研究者采用了一个巧妙的掩码策略：将输入中的驱动信号u以及其对应的编码器输入全部置零，并冻结驱动信号编码器Enc_u的参数。这样，预训练模型只能从关节运动信息[q, v, a]中学习力矩的表示，剥离了驱动方式的影响，学到的知识更具通用性。 迁移到下游任务时，加载预训练好的Enc_Δq, Enc_v, Enc_a, Enc_q0及其嵌入层参数，其余部分随机初始化。训练分两步走：先线性探测，即冻结预训练参数，只训练新初始化的预测头等层；再端到端微调，放开所有参数一起训练。这是一种稳定且有效的迁移学习策略。

4. 实验验证与结果分析

理论再优美，也需要实验的检验。研究者在真实的6自由度液压机械臂打磨挖掘任务上进行了验证。

4.1 数据采集与处理流程

实验平台是一个配备砂轮末端执行器的液压机械臂，在石膏块上进行打磨挖掘作业。数据采集包括：

• 本体感知：6个关节的角度q（100Hz）。
• 驱动信号：6个关节的液压压差Δp（100Hz）。
• 真值标签：安装在腕部的六维力/力矩传感器读数W（100Hz，仅用于训练和评估）。

注意事项：力矩传感器的数据在这里仅作为“教师信号”用于监督训练，在最终的部署系统中是不需要的，实现了真正的“无传感器”。但采集高质量、同步的传感器数据对于构建训练集至关重要。

数据处理是关键一环，直接影响到模型性能：

1. 信号去噪：对原始的q和Δp进行低通滤波（截止频率f_c^dn=15Hz），以消除高频测量噪声。
2. 微分估计：从去噪后的q使用因果Savitzky-Golay滤波器计算v和a。必须使用因果滤波器以保证在线应用时的可行性。
3. 坐标变换与同步：将力矩从传感器坐标系转换到机器人基座坐标系，并与其他信号时间同步。
4. 偏移消除：针对每个任务片段，计算初始非接触阶段的力矩均值，并将其从整个片段的力矩数据中减去，以消除传感器零漂。
5. 数据集划分：按任务片段划分训练集和测试集，并考虑不同作业条件（“软”块快速打磨和“硬”块慢速打磨）的数据分布差异，确保测试集具有代表性。

4.2 基线模型与评价指标

为了全面评估FDN，研究者将其与多类基线模型对比：

• 经典数据驱动估计器：改进版的MINN、RBF神经网络、高斯过程回归。这些是“瞬时估计”模型。
• 先进时间序列预测器：Temporal Fusion Transformer, PatchTST。这些是“序列预测”模型，与FDN任务一致。
• 消融实验模型：为了验证FDN各个组件的有效性，还测试了去掉谱分解、去掉频率感知层、去掉预训练等简化版本。

评价指标不仅看整体精度，更重点关注不同频带的性能：

• 整体均方根误差：衡量所有频率成分的整体预测误差。
• 低频带RMSE：衡量趋势分量的预测精度（0-1Hz）。
• 高频带RMSE：衡量残差分量的预测精度（1-15Hz）。这是本工作的核心挑战。

4.3 核心结果与发现

实验结果表明，FDN在应对高频振动丰富的力矩预测任务上具有显著优势：

1. 高频预测领先：在最具挑战性的高频带（1-15Hz），FDN显著优于所有基线模型。这证明了谱分解与概率性残差建模策略对于捕捉瞬态、不确定的高频动力学是有效的。
2. 低频预测保持竞争力：在低频带，FDN与最好的基线模型性能相当，说明其并未因专注于高频而牺牲对主体趋势的捕捉能力。
3. 迁移学习带来增益：与从零开始训练相比，使用大规模数据集预训练后再微调的FDN，在所有指标上均有进一步提升。这证实了“预训练-微调”范式在机器人力矩估计领域的巨大潜力。
4. 消融实验验证设计：去掉谱分解或频率感知层，模型性能，尤其是高频性能，会出现明显下降。这定量地证明了每个核心组件的必要性。

5. 工程实现中的挑战、技巧与未来展望

将FDN这样的研究模型落地到实际工程中，还会遇到一系列论文中可能未详尽阐述的挑战。

5.1 实操难点与解决方案

1. 实时性保障：FDN涉及FFT/IFFT、Transformer等计算，可能无法在低算力控制器上达到100Hz或更高的实时循环。解决方案：a) 模型轻量化，如使用更小的Transformer维度、减少层数；b) 使用TensorRT、ONNX Runtime等推理引擎优化；c) 考虑在工控机或边缘计算盒上运行，与实时控制器通过高速总线通信。
2. 数据质量与同步：模型的性能极度依赖输入数据的质量。关节速度/加速度的数值微分会放大噪声。解决方案：a) 优先使用驱动器反馈的实时速度（如果可用且准确）；b) 精心设计和调试因果滤波器，在平滑噪声和保持相位特性间取得平衡；c) 确保所有传感器数据的时间戳严格同步，可使用硬件触发或高精度软件同步方案。
3. 超参数调优：截止频率fc、历史窗口长度L、预测步长T、网络深度/宽度等对性能影响巨大。解决方案：a)fc通过分析任务数据的频谱确定；b)L和T需要权衡：L应足够长以包含相关的动力学历史，T应匹配控制系统的延迟补偿需求；c) 网络结构可以通过在验证集上进行小规模架构搜索来确定。
4. 领域适配：预训练数据集（如RH20T）与你的目标机器人（动力学、几何、驱动方式）可能存在差异。解决方案：a) 采用文中所述的掩码策略，聚焦于运动学到力矩的通用映射；b) 如果条件允许，收集一个包含多种简单接触任务的小型“目标领域”数据集，进行多任务预训练，再迁移到复杂任务，效果可能更好。

5.2 模型部署与集成建议

1. 离线验证先行：在将模型嵌入实时控制回路前，必须进行充分的离线测试。使用录制好的数据集，模拟在线运行，全面评估其预测精度、延迟和稳定性。
2. 设计安全冗余：无传感器估计绝不能作为唯一的安全依据。必须与基于关节电流/压力阈值的过载保护、基于位置/速度的奇异性检测等传统安全逻辑并联使用。当模型预测的力矩超过安全阈值时，应触发降速或停止。
3. 在线自适应：可以考虑设计一个轻量级的在线更新机制。例如，当机器人重复执行相似轨迹时，可以将实际接触结果（如果可通过其他间接方式感知）与预测值的误差缓存起来，定期对模型最后一层进行微调，以补偿系统随时间的缓慢变化（如工具磨损、负载变化）。

5.3 技术延伸与未来方向

FDN为我们打开了一扇门，其思想可以延伸到更多场景：

• 多模态融合：除了本体感知，是否可以融入关节振动传感器、声音甚至视觉信息，进一步提升在极端嘈杂环境或未知表面下的预测鲁棒性？
• 模型预测控制：既然能预测未来一段时间的力矩，自然可以与模型预测控制器结合，实现真正意义上的“预见性”力控，在接触发生前就调整好姿态和速度。
• 数字孪生与仿真训练：在高保真的物理仿真环境中生成海量、多样化的“本体感知-力矩”数据，用于预训练模型，可以大幅降低对真实机器人数据采集的依赖和成本。

从我个人的工程视角来看，FDN代表了一种非常务实且强大的技术路线：它没有追求用一个“万能”的复杂模型解决所有问题，而是通过巧妙的信号分解和频域引导，让模型专注于学习最关键、也最难的部分。同时，它积极拥抱迁移学习，试图破解机器人学习中“数据荒”的共性难题。虽然将其产品化仍需攻克实时性、可靠性等工程堡垒，但其在原理上的创新性和在实验中展现的潜力，无疑为工业机器人实现更智能、更柔顺、更经济的力控提供了一条清晰可行的技术路径。在实际项目中，我建议可以从相对平稳的接触任务开始尝试此类算法，积累数据和调参经验，再逐步向振动更剧烈的场景推进。