向有力感知机器人基础模型：文献综述

本文综述了当代将力量（包括本体感知和触觉感知）集成到机器人操纵策略学习中的方法。我们对各种力感知方法、数据收集、行为克隆、触觉表示学习以及低层机器人控制进行比较分析。通过我们的分析，我们阐述了何时以及为何需要力量，并着重于提高基于接触的、通用机器人策略在通往高度能力触觉机器人基础模型道路上的机遇。我们通常发现，虽然存在少数任务（如倒水、针孔插针插入、处理 delicate 对象），但仿照学习模型的性能尚未达到力量真正重要的动态水平。此外，力量和触觉是可以抽象量，通过多种模态推断，通常被测量和隐式控制。我们希望通过比较当前正在使用的不同方法，帮助读者获得系统性理解，并激发下一代机器人基础模型的灵感。