NeuralActuator：低成本伺服平台无传感器力感知与动力学建模
针对低成本伺服平台（如无刷直流电机）存在的摩擦、滞后及背隙等非线性效应，传统线性电流-扭矩近似（τ=KtI）失效，导致Sim-to-Real误差大且缺乏力感知能力。本文提出NeuralActuator，基于Transformer架构处理历史状态与遥测数据，结合可微分仿真（Differentiable Simulation）进行训练。创新点在于利用仿真姿态轨迹作为代理监督信号（Torque Surrogate），无需直接扭矩标签即可训练。模型同时输出等效广义力代理、外部力估计、接触概率及电机状态。在NAD数据集上训练，并在OpenManipulator-X、SO-101及Franka Panda