基于UMI-FT的野外柔顺操控
机器人学
2026-01-16 v1
摘要
许多操控任务需要精细的力调制。力不足可能导致任务失败，而力过大则可能造成损坏。商用六维力/力矩（F/T）传感器的高成本、大体积和脆弱性限制了大规摸、力感知策略的学习。我们推出UMI-FT，一个手持式数据采集平台，它在每个手指上安装紧凑的六轴力/力矩传感器，能够在采集RGB、深度和位姿数据的同时，提供手指级别的力旋量测量。利用从该设备收集的多模态数据，我们训练了一个自适应柔顺策略，该策略预测位置目标、抓取力和刚度，以便在标准柔顺控制器上执行。在三个接触丰富、对力敏感的任务（擦白板、串西葫芦和灯泡插入）的评估中，UMI-FT使策略能够可靠地调节外部接触力和内部抓取力，优于缺乏柔顺性或力感知的基线方法。UMI-FT为从真实世界演示中学习柔顺操控提供了一条可扩展的路径。我们开源了硬件和软件，以促进更广泛的采用，网址为：https://umi-ft.github.io/。
引用
@article{arxiv.2601.09988,
title = {In-the-Wild Compliant Manipulation with UMI-FT},
author = {Hojung Choi and Yifan Hou and Chuer Pan and Seongheon Hong and Austin Patel and Xiaomeng Xu and Mark R. Cutkosky and Shuran Song},
journal= {arXiv preprint arXiv:2601.09988},
year = {2026}
}
备注
submitted to ICRA 2026