接触导向策略：基于生成式接触 grounding 的灵巧视觉-触觉策略
机器人学
2026-05-11 v3
摘要
多指手的接触丰富型灵巧操控仍是机器人学中的开放性挑战，因为任务成功取决于不断演化的多点接触，而且对物体几何形状、摩擦转变和滑动都高度敏感。最近的触觉感知操控策略显示出了前景。然而，大多数方法仅将触觉信号作为额外观察量，而非建模接触状态或其动作输出如何与低层控制器动力学的相互作用。我们提出接触导向策略（Contact-Grounded Policy, CGP），一种能够通过预测机器人状态与触觉反馈的耦合轨迹，并利用学习的接触一致性映射将这些预测转化为可执行的机器人目标状态，以适配性控制器实现预期接触的视觉-触觉策略。CGP 包含两个组件：（i）一个条件扩散模型，用于在压缩后的潜在空间中预测未来机器人状态和触觉反馈；（ii）一个学习的接触一致性映射，将预测的机器人状态-触觉对转换为适配性控制器的可执行目标，实现意图接触。我们使用配备 Digit360 指尖触觉传感器的实体四指 Allegro V5 手，以及配备稠密全手触觉阵列的仿真五指 Tesollo DG-5F 手进行评估。在包括手部内操控、精细抓取和工具使用在内的多种灵巧任务中，CGP 在视觉-运动和视觉-触觉扩散策略基线上均表现出优势。
引用
@article{arxiv.2603.05687,
title = {Contact-Grounded Policy: Dexterous Visuotactile Policy with Generative Contact Grounding},
author = {Zhengtong Xu and Yeping Wang and Ben Abbatematteo and Jom Preechayasomboon and Sonny Chan and Nick Colonnese and Amirhossein H. Memar},
journal= {arXiv preprint arXiv:2603.05687},
year = {2026}
}