自适应擦拭：通过少量模仿学习实现基于力-扭矩反馈和预训练对象表示的自适应接触丰富操作
机器人学
2025-05-13 v1
摘要
模仿学习为机器人执行重复性任务提供了途径，使人类可以专注于更具吸引力和意义的活动。然而，挑战源于需要大量示范以及训练环境与实际环境之间的差异。本文聚焦于此类需要适应力控制以处理擦拭表面高度变化和海绵物理属性变化的接触丰富任务。为解决这些挑战，我们提出了一种新方法，集成实时力-扭矩 (FT) 反馈与预训练对象表示。该方法允许机器人动态调整以适应以前未遇到的表面高度和海绵物理属性的变化。在实际实验中，我们的方法在应用参考力时达到了 96% 的准确率，显著优于缺乏 FT 反馈环的以往方法（仅达到 4%）。为评估该方法的适应性，我们在不同于训练 setup 的条件下进行了实验，涉及 40 个情景，使用 10 根具有不同物理属性的海绵和 4 种擦拭表面高度，分析力轨迹后显示机器人适应性有显著提升。本工作的视频可在：https://sites.google.com/view/adaptive-wiping 查看。
引用
@article{arxiv.2505.06451,
title = {Adaptive Wiping: Adaptive contact-rich manipulation through few-shot imitation learning with Force-Torque feedback and pre-trained object representations},
author = {Chikaha Tsuji and Enrique Coronado and Pablo Osorio and Gentiane Venture},
journal= {arXiv preprint arXiv:2505.06451},
year = {2025}
}