基于伪触觉反馈实现夹持状态消歧义：纯仿真学习

夹取式操作任务是机器人与环境交互的基本任务，但夹持器状态的消歧义问题显著降低了仿照学习策略的鲁棒性。数据驱动方法面临高昂的真实数据成本，而仿真数据虽成本低廉，却受限于仿真-现实鸿沟。我们识别到夹持器状态消歧义的根本原因在于缺乏触觉反馈。为此，我们提出一种新方法，利用伪触觉作为反馈，灵感来自将受力控制夹持器用作触觉传感器的想法。该方法无需额外数据采集和硬件参与，即可提升策略鲁棒性，为策略提供无噪声的二值夹持器状态观测，从而促进纯仿真学习的发挥。实验结果表明，在三个实际夹取任务中，我们的方法具有必要性、有效性和效率。