研究提出基于视觉预测力的机器人学习方法，无需触觉传感器
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
该研究提出一种利用柔性Fin Ray夹爪形变来预测接触力的机器人操作方法。流程包含两步训练：先基于校准数据训练视觉力估计器，为演示数据标注力信息；再训练动作-力联合策略生成候选动作及预期力。测试时执行预期力最接近目标值的动作。在摘浆果、抓空罐、手内重定向及插拔等任务中，该方法在部署阶段无需力或触觉传感器即可完成富接触操作。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载视觉预测力方法原理
传统力感知操作通常依赖专用的力或触觉传感器。该研究提出一种替代方案，利用柔性Fin Ray夹爪发生形变时的视觉特征来预测接触力。这种方法的核心在于，通过视觉信息替代传统硬件传感器，使得机器人在部署阶段无需安装力或触觉传感设备，也能具备力感知能力，从而完成复杂的富接触操作任务。
两阶段训练与推理机制
该方法包含两个训练阶段。第一阶段利用校准数据训练视觉力估计器，并用该估计器为任务演示数据补充力估计标注。第二阶段在这些增强后的演示数据上，训练动作-力联合策略，使其能够同时生成候选机器人动作及其对应的预期力。在实际推理测试时，系统对候选动作进行采样，并比较各动作预期产生的力与演示中的目标力，最终选择差值最小的动作予以执行。
实验评估与效果
研究在四项富接触操作任务上对该方法进行了评估，包括摘浆果、抓取空罐、手内重定向以及插头插入。实验结果表明，通过视觉预测力来引导推理阶段的动作选择是可行的。该方案成功在部署环节去除了对力或触觉传感器的依赖，为接触密集型操作提供了一种基于视觉的力感知替代路径。
为什么值得看
摆脱了对专用力或触觉传感器的依赖，仅靠视觉即可实现力感知操作，降低硬件门槛。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。