PulseAugur
中
实时 05:55:52
English(EN) FACTR 2: Learning External Force Sensing for Commodity Robot Arms Improves Policy Learning

机器人手臂无需昂贵硬件即可学习力感知

作者 PulseAugur 编辑部 · [1 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，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。该技术仅使用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。该方法集成到一个名为力引导重采样训练（FIRST）的系统中，可显著改进接触密集型操作任务的策略学习，在复杂挑战中任务进度提高超过17%。 AI

影响 使低成本机器人系统能够在无需额外硬件的情况下实现更复杂的操作和控制。

排序理由 该集群包含一篇详细介绍机器人手臂新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. 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