一种低成本视觉-触觉夹爪及其用于接触丰富操作的预训练学习
机器人学
2026-02-04 v2
摘要
在依赖常规触觉传感器的接触丰富环境中进行机器人操作仍然具有挑战性，尤其是这些传感器受限于感知范围、可靠性和成本效益。本文提出LVTG（Low-Cost Vision-Based Tactile Gripper），一种用于稳定、稳健和高效物理交互的低成本视觉-触觉夹爪。与现有视觉-触觉传感器不同，LVTG凭借其增强的触觉感知区域和更大的开口角度，能够实现对更大更重的日常物品的更有效和更稳定的抓取。其表面皮肤采用高度耐磨材料，显著提升耐用性并延长使用寿命。视觉与触觉反馈的集成使LVTG能够提供丰富且高保真的感知数据，促进复杂操作任务中的可靠感知。此外，LVTG采用模块化设计，支持快速维护和更换。为有效融合视觉与触觉信息，我们采用基于CLIP的对比学习目标，将触觉嵌入与其对应的视觉观察对齐，从而在视觉-触觉感知中构建共享的跨模态表示空间。这种对齐方式提高了基于动作块化变换器（ACT）策略在接触丰富操作中的性能，实现更高效的数据收集和更有效的策略学习。与原始ACT方法相比，采用预训练的LVTG在操作任务中实现了显著提升的成功率。
关键词
引用
@article{arxiv.2602.00514,
title = {A Low-Cost Vision-Based Tactile Gripper with Pretraining Learning for Contact-Rich Manipulation},
author = {Yaohua Liu and Binkai Ou and Zicheng Qiu and Ce Hao and Hengjun Zhang},
journal= {arXiv preprint arXiv:2602.00514},
year = {2026}
}