Phy-Tac：基于物理条件触觉目标的人类式抓取
机器人学
2025-11-04 v1
摘要
人类天然地以最小所需力量稳定抓取物体，而机器人往往依赖刚性、过度压缩的控制。为缩小这一差距，我们提出一种人类启发的物理条件触觉方法（Phy-Tac），用于力最优稳定抓取（FOSG），统一了姿态选择、触觉预测和力控制。首先，基于表面几何的物理模型姿态选择器识别具有最优力分布的可行接触区域。随后，物理条件潜在扩散模型（Phy-LDM）预测 FOSG 目标下的触觉印记。最后，潜在空间 LQR 控制器驱动夹爪趋向该触觉印记，实现最小驱动，防止不必要的压缩。在覆盖多样物体和接触条件的物理条件触觉数据集上训练，所提出的 Phy-LDM 在触觉预测精度方面表现优异，而 Phy-Tac 在抓取稳定性和力效率方面均优于固定力和 GraspNet 基线。在经典机器人平台上的实验表明，该方法实现了力效能和自适应操作，弥合了机器人抓取与人类抓取之间的差距。
引用
@article{arxiv.2511.01520,
title = {Phy-Tac: Toward Human-Like Grasping via Physics-Conditioned Tactile Goals},
author = {Shipeng Lyu and Lijie Sheng and Fangyuan Wang and Wenyao Zhang and Weiwei Lin and Zhenzhong Jia and David Navarro-Alarcon and Guodong Guo},
journal= {arXiv preprint arXiv:2511.01520},
year = {2025}
}
备注
9 papges, 10 figures, 3 tables