基于自适应触觉融合与力混合控制的微观残差校正主导策略
机器人学
2026-03-17 v1
摘要
机器人接触丰富和细粒度操作仍然是一个重要挑战，由于复杂的相互作用动力学以及多时间尺度控制的相互制约。虽然当前的视觉模仿学习方法在长期计划方面表现出色，但它们往往无法感知关键的交互线索，如摩擦变化或初生滑动，还难以在全局任务连贯性与局部反应性反馈之间取得平衡。为此，我们提出了 M2-ResiPolicy，一种 novel Master-Micro 残差控制架构，通过高级动作指导与低级校正协同作用。该框架由在 10 Hz 工作频率的 Master-Guidance Policy (MGP) 组成，通过基于扩散的主干网络生成持续一致的动作块，并采用触觉强度驱动的自适应融合机制，动态调节视觉与触觉之间的感知权重。同时，一个高频率（60 Hz）的 Micro-Residual Corrector (MRC) 利用轻量级 GRU 提供基于 TCP 力矩反馈的实时动作补偿。该策略进一步集成到基于力的 PBIC 执行层中，有效调节接触力以确保交互安全。实验在包括脆弱物体抓取和精密插入等多个具有挑战性的任务中表明，M2-ResiPolicy 在标准扩散策略（DP）和最先进的反应扩散策略（RDP）方面显著优于后者，在芯片抓取中实现 93% 的无损成功率，并在力控制稳定性方面表现出色。
引用
@article{arxiv.2603.15152,
title = {Master Micro Residual Correction with Adaptive Tactile Fusion and Force-Mixed Control for Contact-Rich Manipulation},
author = {Xingting Li and Yifan Xie and Han Liu and Wei Hou and Guangyu Chen and Shoujie Li and Wenbo Ding},
journal= {arXiv preprint arXiv:2603.15152},
year = {2026}
}