FoAR：面向接触丰富机器人操作的力感知反应策略
机器人学
2025-05-05 v2
摘要
接触丰富任务对机器人操作策略 presents 由于接触动力学的复杂性以及对精确控制的需求而具有显著挑战。基于视觉的策略通常在此类任务中难以应对，因为它们通常缺乏关键的接触反馈模态，如力/扭矩信息。为此，我们提出了FoAR，一种力感知反应策略，将高频力/扭矩感知与视觉输入相结合，以增强接触丰富操作的性能。基于RISE策略，FoAR包含由未来接触预测器引导的多模态特征融合机制，使其能够动态调整力/扭矩数据的使用方式，在非接触和接触阶段之间进行灵活调整。其反应控制策略还允许FoAR通过简单的位移控制完成接触丰富任务。实验结果表明，FoAR在各种具有挑战性的接触丰富任务上均显著优于所有基线方法，同时在意外动态扰动下仍保持稳健的性能。项目网站：https://tonyfang.net/FoAR/
引用
@article{arxiv.2411.15753,
title = {FoAR: Force-Aware Reactive Policy for Contact-Rich Robotic Manipulation},
author = {Zihao He and Hongjie Fang and Jingjing Chen and Hao-Shu Fang and Cewu Lu},
journal= {arXiv preprint arXiv:2411.15753},
year = {2025}
}
备注
Accepted to Robotics and Automation Letters. 9 pages, 5 figures