arXiv cs.AI· Ying Yuan, David Held, Jitendra Malik, Haozhi Qi·· 3 天前AI 评分26
FOMO-Dex：面向接触密集操作任务的统一柔顺控制方法
Force-Modulated Dexterity: Unified Compliance for Contact-Rich Manipulation
AI 导读
研究者提出 Force-Modulated Dexterity（FOMO-Dex），一种面向接触密集操作的统一柔顺控制框架，在任务几何与接触结构定义的坐标中表达标称动作，沿选定方向施加力驱动的运动修正。
正文 · AI 翻译
摘要：遥操作被广泛用于为机器人学习采集高质量示范数据。然而，灵巧操作需要运动与接触力的协同控制。操作者可以指定运动，但在无法感知机器人接触的情况下，难以复现人类操作中细微的力调整。我们提出力调制灵巧性（Force-Modulated Dexterity，FOMO-Dex），一种面向富接触操作的统一柔顺性表述。FOMO-Dex 以任务几何与接触结构所定义的坐标来表达标称动作。它沿选定方向施加力驱动的运动修正，同时保持其余指令分量不变。在卡片拾取、剪纸、拧螺丝和螺母螺栓装配任务中，与刚性控制相比，FOMO-Dex 减少了过大的接触力。一项用户研究表明，操作者经过简短练习后，每小时能采集到更多成功的示范数据。在策略学习方面，模仿修正后的动作相比模仿原始操作者指令，提高了卡片拾取的成功率。与使用刚性控制器采集的示范数据训练的策略相比，在 FOMO-Dex 示范数据上训练的策略在螺母螺栓操作和拧螺丝任务中也实现了更多旋转。视频见 此 https URL 。
| Comments: | 项目页面：此 https URL |
| Subjects: | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.17161 [cs.RO] |
| （或 arXiv:2610.17161v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17161 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Ying Yuan [查看邮箱]
[v1]
2026年10月12日星期一 17:37:23 UTC（4,648 KB）
来源：arXiv cs.AI · arxiv.org