触觉感知在模仿学习中的重要性：基于机器人打灯的案例研究
机器人学
2026-04-21 v4
摘要
近年来，机器人操作领域取得了显著进展。在感知层面，已开发出多种新型触觉传感器，能够提供精准的接触信息。而在方法论层面，基于演示的学习已被证明是获取高性能机器人操作策略的有效范式。二者的结合承前望后，能够从演示数据中提取关键的接触相关信息，并在策略执行期间主动利用这些信息。然而，尽管如此，该集成仍在动态、接触丰富的操控任务中得到的探索有限，尤其是那些需要精度和反应性的任务。因此，本文提出了一种多模态、视觉-触觉模仿学习框架，集成模块化变换器架构与基于流的生成模型，能够高效学习快速灵巧的操控策略。我们在机器人打灯这一动态、接触丰富的任务上评估了该框架——该任务中触觉反馈影响人类操作的性能。实验结果表明，我们的方法有效，加入触觉信息后可提升策略性能，从而凸显了在少量演示下学习动态操控的潜力。项目网站：https://sites.google.com/view/tactile-il
引用
@article{arxiv.2504.13618,
title = {On the Importance of Tactile Sensing for Imitation Learning: A Case Study on Robotic Match Lighting},
author = {Niklas Funk and Changqi Chen and Tim Schneider and Georgia Chalvatzaki and Roberto Calandra and Jan Peters},
journal= {arXiv preprint arXiv:2504.13618},
year = {2026}
}