Tac2Real：面向在线强化学习与零样实验部署的可靠 GPU 视触觉仿真
机器人学
2026-03-31 v1
摘要
视触觉传感器是接触丰富机器人操控任务中必不可少的组件。然而，针对包含触觉反馈的策略学习在仿真中尤其是针对在线强化学习（RL）仍然是一个关键挑战，因为它需要在物理保真度和计算效率之间进行微妙的平衡。为解决这一挑战，我们提出 Tac2Real，一个轻量级视触觉仿真框架，旨在高效地支持在线 RL 训练。Tac2Real 将 Preconditioned Nonlinear Conjugate Gradient Incremental Potential Contact（PNCG-IPC）方法集成到多节点、多 GPU 高吞吐并行仿真架构中，能够以交互式速率生成标记位移场。同时，我们提出了系统方法 TacAlign，以缩小结构化和随机来源的领域差距，确保可靠的零样仿真到真实迁移。我们进一步在接触丰富的插针任务上评估了 Tac2Real。零样迁移结果在真实场景中实现了高成功率，验证了该框架的有效性和鲁棒性。项目页面为：https://ningyurichard.github.io/tac2real-project-page/。
引用
@article{arxiv.2603.28475,
title = {Tac2Real: Reliable and GPU Visuotactile Simulation for Online Reinforcement Learning and Zero-Shot Real-World Deployment},
author = {Ningyu Yan and Shuai Wang and Xing Shen and Hui Wang and Hanqing Wang and Yang Xiang and Jiangmiao Pang},
journal= {arXiv preprint arXiv:2603.28475},
year = {2026}
}
备注
27 pages, 12 figures