arXiv · 机器人与计算机视觉· Hideyuki Ichiwara, Yushi Kaida, Hirokazu Ishida·· 2026-10-19精选AI 评分78
硬件即正则化:通过可调式被动顺应性引导臂增强模仿学习的数据一致性
Hardware-as-Regularization: Enhancing Data Consistency in Imitation Learning via an Adjustable Passive Compliant Leader Arm
AI 导读
针对低成本被动引导臂缺乏恢复力导致关节空间轨迹不一致的问题,研究团队提出一种包含可调机械离合器和 3D 打印螺旋弹簧的低成本被动关节模块。该模块产生的被动恢复力等效于关节空间的 L2 正则化(即“硬件即正则化”),在缩短完成时间的同时保持运动平滑性。
推荐理由
提出利用低成本被动关节模块作为物理先验,在模仿学习中提升轨迹一致性与下游任务成功率。
来源:arXiv · 机器人与计算机视觉 · arxiv.org