arXiv cs.AI· An Dang, Jayjun Lee, Mustafa Mukadam, X. Alice Wu, Bernadette Bucher, Manikantan Nambi, Nima Fazeli·· 11 小时前AI 评分34
HydroShear：面向触觉 sim-to-real 强化学习的流体弹性剪切模拟器
HydroShear: Hydroelastic Shear Simulation for Tactile Sim-to-Real Reinforcement Learning
AI 导读
HydroShear 是一种非完整约束的流体弹性触觉模拟器，通过建模粘滑转换、路径相关的力与剪切积累以及完整 SE(3) 物体-传感器交互，缩小了触觉 sim-to-real 差距。
正文 · AI 翻译
摘要：本文研究面向接触密集型任务的触觉仿真到现实策略迁移问题。现有方法主要关注基于视觉的传感器，强调图像渲染质量，却对力和剪切力提供了过于简化的模型。因此，这些模型在许多灵巧任务上表现出较大的仿真到现实差距。为此，我们提出 HydroShear，一种非完整约束的水弹性触觉仿真器，通过建模以下内容推进了现有技术水平：a) 粘滑转换，b) 路径相关的力和剪切力累积，以及 c) 完整的 SE(3) 物体-传感器交互。HydroShear 扩展了水弹性接触模型，使用有符号距离函数（SDF）来跟踪压头在与传感器膜片物理交互过程中其表面点的位移。我们的方法从任意水密几何体生成基于物理、计算高效的力场，同时不依赖于底层物理引擎。在 GelSight Mini 上的实验中，与现有方法相比，HydroShear 更忠实地再现了真实触觉剪切力。这种保真度使得强化学习策略能够在四个任务上实现零样本仿真到现实迁移：销钉插入、装箱、用于插入的书架放置，以及用于滑动下精细夹爪控制的抽屉拉动。我们的方法实现了 93% 的平均成功率，优于在触觉图像上训练的策略（34%）和其他剪切力仿真方法（58%-61%）。
| 评论： | 已被 RSS 2026 接收 | 项目页面：此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2603.00446 [cs.RO] |
| （或 arXiv:2603.00446v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2603.00446 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jayjun Lee [查看电子邮件]
[v1]
2026 年 2 月 28 日星期六 03:59:33 UTC（17,901 KB）
[v2]
2026 年 10 月 16 日星期五 16:58:20 UTC（38,071 KB）
来源：arXiv cs.AI · arxiv.org