跳到正文
arXiv · 机器人与计算机视觉· Zhilin He, Guoquan Qi, Changliu Liu·· 2026-10-16AI 评分63

面向接触约束感知的阻抗控制与强化学习先验的流形生成退火方法

Manifold Generative Annealing for Contact Constraint-aware Impedance Control with Reinforcement Learning Prior

AI 导读

针对富接触机器人任务中动力学不确定性与物理约束的挑战,本文提出 Manifold Generative Annealing (MGA) 框架。该方法将预训练强化学习策略组织为结构化序列提案,利用模型基方法进行探索性样本评估与优化,并通过感知现实的流形细化对齐任务约束与局部物理响应。实验涵盖表面扫描、销钉插入和人形机器人推搡等场景,在标称及传感偏移条件下提升了阻抗控制的安全成功率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org