研究提出机器人富接触操作框架ILA

研究人员在预印本论文中提出机器人富接触操作框架 ILA，将同时捕捉运动、接触和施力演化的可解码交互潜变量作为策略动作单元。实验显示，在 4 项真实世界任务中，ILA 相比触觉条件下的直接动作基线将平均成功率提升了 21.0 至 36.5 个百分点。 据研究介绍，该潜变量通过视觉条件下的动作与触觉联合重构学习，既能作为流匹配目标支持视觉-语言-动作（VLA）模型后训练，也可从专家演示中提取参考模型进行离线修正与加权学习。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。