arXiv cs.AI· Yeonguk Yu, Jaehong Kim, Byungok Han·· 11 小时前AI 评分31
HuTact：从人类手物交互数据中预训练触觉感知手部表征
Learning Tactile-Aware Hand Representations from Human Hand-Object Interaction Data
AI 导读
HuTact 框架可从人类手物交互数据中预训练触觉感知手部表征，预训练阶段无需真实触觉信号，学到的交互结构可迁移至机器人触觉观测。在抓取预测、滑动检测、物体分类和触觉条件策略学习等任务上，人类 HOI 预训练提升了数据效率。
正文 · AI 翻译
摘要：面向灵巧操作的触觉表征学习通常需要大量机器人侧数据采集，这限制了其在不同手部和传感器之间的可扩展性。我们探索大规模人手-物体交互（HOI）数据能否为机器人触觉学习提供有用的先验。为此，我们提出 HuTact，一个从人类 HOI 数据中预训练触觉感知手部表征的框架，且预训练期间无需真实触觉信号。HuTact 将从人手运动中学习到的交互结构迁移到机器人触觉观测，并可通过少量无标注机器人交互数据进一步适配。我们在触觉感知与操作任务上评估 HuTact，包括抓取预测、滑动检测、物体分类和触觉条件策略学习。在这些任务中，人类 HOI 预训练提升了数据效率，并为下游学习提供了强初始化。值得注意的是，在 HOI 预训练之后，再用无标注机器人玩耍数据进行中期训练，HuTact 仅使用 25\% 的下游标注数据就在抓取预测上达到 88.26% 的 Macro-F1，与在完整标注数据集上从头训练（88.23%）相当。这些结果表明，人类交互数据可作为机器人触觉表征学习的一种可扩展的补充来源。
| 评论： | 9 页，4 张图 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.27995 [cs.RO] |
| （或 arXiv:2610.27995v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27995 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yeonguk Yu [查看邮箱]
[v1]
2026 年 10 月 20 日星期二 10:31:45 UTC（3,373 KB）
来源：arXiv cs.AI · arxiv.org