SemanticFeels：机手操作中的语义标签化
机器人学
2026-02-17 v1 人工智能
计算机视觉与模式识别
摘要
随着机器人越来越多地融入日常任务，其感知对象形状和属性的能力在手中操作中变得至关重要，以实现适应和智能行为。我们提出SemanticFeels， NeuralFeels框架的一个扩展，集成了来自视觉和触觉的语义标签与神经隐式形状表示。为说明其应用， 我们专注于材料分类：高分辨率Digit触觉读取被处理为经微调的EfficientNet-B0卷积神经网络（CNN），以生成局部材料预测，这些预测被嵌入到增强签名距离场（SDF）网络中，该网络联合预测几何和连续材料区域。实验结果表明，该系统在单材料和多材料对象的预测与实际材料之间的对应性很高，在多个多材料对象上的多个操作试验中平均匹配准确率达到79.87%。
引用
@article{arxiv.2602.14099,
title = {SemanticFeels: Semantic Labeling during In-Hand Manipulation},
author = {Anas Al Shikh Khalil and Haozhi Qi and Roberto Calandra},
journal= {arXiv preprint arXiv:2602.14099},
year = {2026}
}
备注
10 pages, 5 figures