软体机器人动力学学习：不确定性感知主动探索框架

作者提出一种不确定性感知的主动探索框架，可自主学习与任务无关、可泛化的软体机器人动力学模型。该方法在连续体臂、流体中关节鱼和肌骨腿三个仿真平台以及一台真实气动连续体臂上评估，相比随机探索和任务特定基线建模精度更高，并在未见任务的零样本控制中取得更高回报，在传感噪声、执行延迟和材料非线性下保持稳健。