FTACT：面向拾取与重定向瓶装任务的力-扭矩感知动作分块Transformer
机器人学
2025-09-30 v1
摘要
机械臂机器人正越来越多地部署在零售环境中，但接触丰富的边缘案例仍会触发成本高昂的人类遥操作。一个突出的例子是直立放置的饮料瓶，纯视觉线索通常不足以解析精确操作所需的细微接触事件。我们提出了一种多模态模仿学习策略，通过力与扭矩感知来增强动作分块Transformer（Action Chunking Transformer），从而实现对图像、关节状态以及力和扭矩的端到端学习。该方法部署在 Telexistence Inc. 的 Ghost 单臂平台上，通过检测和利用按压与放置过程中的接触转换，改进了拾取与重定向瓶子任务。硬件实验表明，与匹配 ACT 观测空间的基线相比，任务成功率更高，消融实验表明，在视觉可观测性有限的按压和放置阶段，力和扭矩信号是有益的，这支持了将交互力作为接触丰富技能的补充模态。这些结果表明，通过将现代模仿学习架构与轻量级力和扭矩传感相结合，为扩展零售操作提供了一条实用路径。
引用
@article{arxiv.2509.23112,
title = {FTACT: Force Torque aware Action Chunking Transformer for Pick-and-Reorient Bottle Task},
author = {Ryo Watanabe and Maxime Alvarez and Pablo Ferreiro and Pavel Savkin and Genki Sano},
journal= {arXiv preprint arXiv:2509.23112},
year = {2025}
}