学习触觉感知的四足体 loco-操纵策略
机器人学
2026-05-12 v2
摘要
四足体 loco-操纵通常依赖视觉感知和关节自主感。然而，基于视觉和关节自主感的系统在处理可靠的接触丰富操纵时仍面临困难：视觉和关节自主感无法解决与环境之间不确定、动态变化的相互作用。触觉感知提供了直接的接触可观测性，但用于四足体 loco-操纵的可扩展触觉感知学习框架仍鲜有探索。本文提出了具备层次结构的触觉感知 loco-操纵策略学习管道。我们的 метод 有两个关键组件。首先，我们利用真实世界的人类演示训练一个触觉条件化的视觉-触觉高层策略。该策略不仅预测操纵的末端执行器轨迹，还预测特征化接触如何随时间发展。其次，我们在仿真中进行大规模强化学习，以学习能够跟踪多样化命令轨迹和触觉交互线索的触觉感知全身控制策略，并实现零样本迁移到真实世界。在执行期间，这些组件协同实现了接触丰富场景下的协调 locomotion 与操纵。我们在真实世界的接触丰富任务上进行评估，包括手中重新定位带插入、阀门拧紧和精细对象操纵。与视觉-only 和视觉-触觉基线方法相比，我们的方法在这些任务上的平均性能提升了 28.54%。
关键词
引用
@article{arxiv.2604.27224,
title = {Learning Tactile-Aware Quadrupedal Loco-Manipulation Policies},
author = {Pokuang Zhou and Yuhao Zhou and Quan Khanh Luu and Seungho Han and Heng Zhang and Binghao Huang and Yunzhu Li and Arash Ajoudani and Zhengtong Xu and Yu She},
journal= {arXiv preprint arXiv:2604.27224},
year = {2026}
}