跳到正文
arXiv · 机器人与计算机视觉· Quan Nguyen, Yunho Kim, Joonho Lee·· 2026-10-05精选AI 评分78

学习用于富接触操作的反射行为

Learning Reflexive Behavior for Contact-Rich Manipulation

AI 导读

该论文提出了一种本体感觉反射策略,旨在解决机器人富接触操作中的局部几何约束问题。通过在仿真中学习弹簧、平面和导轨三种交互原型的映射关系,该方法将任务空间指令转换为关节位置目标,无需直接测量力或几何信息。

推荐理由

该研究在仿真中训练了一种无需直接力控测量的本体感觉反射策略,将其作为底层执行层嵌入现有控制器。实验显示该方法在双臂抬箱和精密插销任务中显著降低了接触力并提升了硬件成功率,为复杂接触场景提供了稳健的解决方案。

来源:arXiv · 机器人与计算机视觉 · arxiv.org