arXiv cs.AI· Haonan Chen, Feiyang Wu, Yuxiang Ma, Mustafa Mete, Pengfei Ye, Junxuan Shen, Cheng Zhu, Aurora Ruggeri, Kelvin Cheung, Jiayuan Mao, Edward Adelson, Jiajun Wu, Robert D. Howe, Yilun Du·· 12 小时前AI 评分35
利用视觉预测力实现机器人学习
Robot Learning with Visual Predicted Force
AI 导读
研究提出通过 Fin Ray 柔性夹爪的形变进行视觉力预测，无需专用力或触觉传感器即可实现力感知操作。方法先训练视觉力估计器为演示数据标注力估计，再训练动作-力提议策略联合生成候选动作及其预期力，测试时执行预测力最接近目标值的动作。在浆果采摘、空罐抓取、手内重定向和插头插入任务上验证了该方法可指导推理阶段的动作选择。
正文 · AI 翻译
作者：Haonan Chen、Feiyang Wu、Yuxiang Ma、Mustafa Mete、Pengfei Ye、Junxuan Shen、Cheng Zhu、Aurora Ruggeri、Kelvin Cheung、Jiayuan Mao、Edward Adelson、Jiajun Wu、Robert D. Howe、Yilun Du
摘要：力感知操作通常依赖专用的力传感器或触觉传感器。我们表明，力感知操作也可以通过从柔性 Fin Ray 夹爪的形变中进行视觉力预测来实现。我们的方法训练两个模型。首先，我们在校准数据上训练一个视觉力估计器，并用它为任务演示标注力估计值。其次，我们在这些力增强的演示上训练一个动作—力提议策略，以联合生成候选机器人动作及其关联的力。在测试时，我们采样候选动作及其预期产生的力，然后执行预测力最接近演示中目标力的动作。我们在浆果采摘、空罐抓取、手内重定向和插头插入任务上评估了我们的方法。结果表明，视觉力预测可以指导接触丰富操作在推理时的动作选择，而无需在部署时使用力传感器或触觉传感器。
| 评论： | 9 页，8 幅图。项目网站：此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.04741 [cs.RO] |
| （或 arXiv:2610.04741v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.04741 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Haonan Chen [查看邮箱]
[v1]
2026 年 10 月 3 日星期六 20:11:33 UTC（9,579 KB）
[v2]
2026 年 10 月 20 日星期二 19:20:24 UTC（9,553 KB）
来源：arXiv cs.AI · arxiv.org