arXiv cs.AI· Weikang Wan, Zeyu Lai, Jianyu Hou, Yuchen Zhou, Jiawei Fu, Henrik I Christensen, Hao Su·· 3 天前AI 评分32
DexFLEX：面向指令引导灵巧操作的接触感知基础控制器
DexFLEX: Contact-Aware Foundation Controller for Command-Guided Dexterity
AI 导读
DexFLEX 是一个接触感知基础控制器，将上游指尖运动草稿转化为接触一致的关节指令，通过 Draft-Dream-Select 推理流程在跟随指令的同时保持未来接触稳定。同一训练好的控制器无需重训即可提升鲁棒性，真实世界遥操作成功率从 29.2% 提升至 78.3%，策略学习成功率达 46.7%，为直接关节动作预测的 3.5 倍、仅先验修正的 1.56 倍。
正文 · AI 翻译
摘要：灵巧机械手可以从遥操作或学习到的策略中接收有用的运动意图，但成功执行还取决于这些指令很少指定的接触决策。我们提出了 DexFLEX，一种接触感知的基础控制器，可将上游的指尖运动草案转化为接触一致的关节指令。DexFLEX 不将草案视为要复制的轨迹，而是将其视为关于意图的证据：从当前的触觉-本体感觉状态出发，它提出可行的短时域运动块，预测其接触后果，并选择最能遵循指令同时保持未来接触稳定性的候选方案。在推理时，一个简单的 Draft-Dream-Select 过程将用于恢复的纯先验提议与用于响应性的草案种子提议相结合，然后将选定的运动解码为可执行的关节空间目标。在退化指令仿真、真实世界共享控制和视觉运动策略学习中，同一个训练好的控制器无需重新训练即可提高鲁棒性，将真实世界遥操作成功率从 29.2% 提升至 78.3%，并达到 46.7% 的策略学习成功率，是直接关节动作预测的 3.5 倍，是仅先验校正的 1.56 倍。视频可在 此 http URL 获取。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.14372 [cs.RO] |
| （或 arXiv:2610.14372v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14372 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Weikang Wan [查看电子邮件]
[v1]
2026年10月9日星期五 22:47:28 UTC（14,420 KB）
来源：arXiv cs.AI · arxiv.org