IMPASTO：集成模型化规划与学习型动力学模型的机器人油画复刻系统
代数拓扑
2026-04-01 v1
摘要
使用软刷和颜料的机器人复刻油画需要对可变形工具进行力感控制、预测刷痕效果以及进行多步骤的笔顺规划，往往没有人类逐步演示或可信的模拟器。仅凭目标油画图像的序列，机器人能推断并执行所需的笔顺轨迹、力度和颜色吗？我们提出了 IMPASTO，这是一个集成学习型像素动力学模型与模型化规划的机器人油画系统。该系统的动力学模型从图像观察和参数化笔刷动作预测画布更新；重网格模型预测控制优化器随后规划轨迹和力度，而力感控制器在 7 自由度机器人手臂上执行笔刷动作。IMPASTO 集成了低层力控制、学习型动力学模型和高层闭环规划，仅通过机器人自我玩乐学习，能够模拟人类艺术家的单笔数据集和多笔作品，优于基线方法在复刻精度方面的表现。项目网址：https://impasto-robopainting.github.io/
引用
@article{arxiv.2603.29314,
title = {Nielsen coincidence theory for $(n,1)$-valued pairs},
author = {Karel Dekimpe and Lore De Weerdt},
journal= {arXiv preprint arXiv:2603.29314},
year = {2026}
}
备注
47 pages, 3 figures