PulseAugur
中
实时 08:34:33
English(EN) FACTR 2: Learning External Force Sensing for Commodity Robot Arms Improves Policy Learning

新方法使低成本机器人无需传感器即可感知力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种名为神经外部扭矩估计（NEXT）的新方法，该方法使商品机器人手臂无需昂贵的专用力传感器即可估计外部关节扭矩。该技术使用最少的自由运动数据即可快速训练，并达到与传统传感器相当的精度。NEXT 通过一种称为力知觉重采样训练（FIRST）的技术实现了力反馈遥操作并增强了策略学习，该技术在长时任务的完成方面显示出显著的改进。 AI

影响 使经济型机器人手臂能够进行力感知操作和策略学习，有可能拓宽机器人技术的应用范围。

排序理由 该集群包含一篇详细介绍新研究方法的学术论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Steven Oh, Jason Jingzhou Liu, Tony Tao, Philip Han, Kenneth Shaw, Satoshi Funabashi, Ruslan Salakhutdinov, Deepak Pathak ·

    FACTR 2: Learning External Force Sensing for Commodity Robot Arms Improves Policy Learning

    arXiv:2606.12406v1 Announce Type: cross Abstract: Contact-rich manipulation requires force sensitivity, but many robot arms lack dedicated force sensors due to their high cost. We present Neural External Torque Estimation (NEXT), a data-driven method that estimates external joint…

  2. arXiv cs.AI TIER_1 English(EN) · Deepak Pathak ·

    FACTR 2：学习商品机器人手臂的外部力感知可改进策略学习

    Contact-rich manipulation requires force sensitivity, but many robot arms lack dedicated force sensors due to their high cost. We present Neural External Torque Estimation (NEXT), a data-driven method that estimates external joint torques without needing any dedicated force senso…

相关话题