CoRMA：基于对比学习的接触丰富型机器人运动适应
机器人学
2026-05-29 v2 机器学习
摘要
我们提出 CoRMA（Contrastive Robotic Motor Adaptation），一个基于上下文的元适应框架，修改 FORGE 以适应力导向装配。CoRMA 将原始仿真参数适应替换为描述接触起始、横向嵌入、引导转换、接触方向和卡滞的 6 维仿真语义接触上下文。可部署的因果 Transformer 适配器通过语义回归和力场对比目标，从力、 proprioceptive 信息和动作历史在线推断此上下文。在部署时，移除 oracle 上下文，替换为推断得到的上下文，实现无需演示、无特权输入或梯度更新的即时适应。我们在 Isaac Lab / Isaac Sim 5.0 上评估了 CoRMA，包括 PegInsert、GearMesh 和 NutThread，以及在真实 Marvin 机械臂上进行测试。与在硬件上实现高仿真成功但性能大幅下降的 FORGE 基线相比，CoRMA 在受控目标姿态噪声下保持更高的实际验证成功率。这些结果支持语义接触推断作为相关装配任务族中可重用的适应接口，而更广泛的未见任务泛化和 Real2Sim 校准仍为未来工作。
关键词
引用
@article{arxiv.2605.22082,
title = {CoRMA: Contrastive RMA for Contact-Rich Meta-Adaptation},
author = {Wentian Wang and Chutong Wen and Hongxu Ma and Wuhao Wang and Zhexiong Xue and Abdul Haseeb Nizamani and Dandi Zhou and Xinhai Sun and Jianqiao Zhu},
journal= {arXiv preprint arXiv:2605.22082},
year = {2026}
}