FACE 框架:接触感知模仿学习,单一策略泛化到未见摩擦与几何形状
KyleMorgenstein · x · 2026-11-17
韩国庆熙大学等机构提出 FACE(Contact-Aware Imitation Learning Through Contact Factorization):将交互力分解为「任务意图行为」与环境相关的接触因素(接触法线 + 摩擦系数),用学习到的接触法线估计器和在线摩擦估计器,把力观测编码到接触相对坐标系中,并在执行时将策略输出解码为物理运动与力指令——全程不更新策略参数。真实机器人实验显示,在训练中未见过的表面(竖/横褶皱、PVC 胶带、塑料等)和几何形状上均能保持任务行为并在线适应接触条件。代码即将开源,论文已上 arXiv。
「具身」频道最新
- 机器人研究员吐槽:边界用例就是当下机器人部署的全部难题 — chris_j_paxton · 2026-11-17
- 「先找好表示再学习」:机器人堆数据路线的边界在哪 — KyleMorgenstein · 2026-11-17
- 机器人策略只用图像一小部分信息,高效提取关乎安全与效率 — KyleMorgenstein · 2026-11-17
- Enactra 展示具身智能体仿真:可操控机器人、每帧自动标注 — Lianhuiq · 2026-11-17
- 韩国机器人密度达全球均值7倍:每万人1066台居首 — randal_olson · 2026-11-17
- 开发者开源 Human Models MCP:让 AI Agent 查骨骼肌肉仿真而非瞎猜 — usefulwrong · 2026-11-17