ForceVLA2：解放具有力觉感知的混合力位控制
机器人学
2026-03-17 v1
摘要
对于接触丰富的操控任务，具身智能主要依赖于位置控制，而对相互作用力的显式感知和调节仍鲜有探索，限制了在实际任务中的稳定性、精度和鲁棒性。我们提出ForceVLA2，一个面向接触丰富操控的端到端视觉语言动作框架，赋予机器人混合力位控制和显式力觉感知。ForceVLA2将基于力的提示引入VLM专家，以构建跨阶段的力觉感知任务概念，并在动作专家中采用跨尺度混合专家（MoE）来自适应地融合这些概念与来自实时相互作用力的感知，以实现闭环混合力位调节。为支持学习和评估，我们构建了ForceVLA2数据集，包含5个接触丰富任务（包括擦拭、按压和装配）的1000个轨迹，涵盖多视角图像、任务提示、机器人本体状态和力信号。广泛的实验表明，ForceVLA2在接触丰富的操控任务中显著提升了成功率和可靠性，在5个任务中分别超过pi0和pi0.5提升了48.0%和35.0%，并缓解了诸如机械臂过载和不稳定接触等常见故障模式，从而主动推动了VLAs中的力觉感知交互式智能。项目页面可在https://sites.google.com/view/force-vla2/home查看。
引用
@article{arxiv.2603.15169,
title = {ForceVLA2: Unleashing Hybrid Force-Position Control with Force Awareness for Contact-Rich Manipulation},
author = {Yang Li and Zhaxizhuoma and Hongru Jiang and Junjie Xia and Hongquan Zhang and Jinda Du and Yunsong Zhou and Jia Zeng and Ce Hao and Jieji Ren and Qiaojun Yu and Cewu Lu and Yu Qiao and Jiangmiao Pang},
journal= {arXiv preprint arXiv:2603.15169},
year = {2026}
}
备注
Accepted by CVPR 2026