#接触丰富操作 (12)

PACE：面向分块插入策略的时序角色触觉条件化

接触密集的精密插入要求机器人把视觉对准与触觉调整结合起来。现有视觉-触觉分块策略通常把触觉反馈压进单一生成通路，持续接触状态、突变接触事件以及动作将造成的未来接触后果只能被隐式混合建模。PACE 将同一条触觉流拆成三种时序角色：用指数平滑的持续接触状态逐层调制动作块生成；用短窗触觉差分构成事件线索，通过门控残差只修正动作块最前面的部分；训练期再从解码器隐状态预测未来触觉增量，以辅助表示学习。该结构保留动作块的时间连续性，同时让慢变的接触阶段和快变的碰撞、卡滞获得不同处理路径。五个真实插入任务平均成功率为 90.7%，比纯视觉和单通路触觉融合基线高 44 个百分点以上；在 ManipulationNet 六种几何与间隙配置上平均成功率为 88.7%，0.1 毫米工业级间隙下仍保持较高成功率。消融显示 Phase、Event 与 Pred. 互补，跨信号实验覆盖六维触觉力、六轴力/力矩和关节电流，跨架构实验表明该原则可用于扩散策略。

Zhiyuan Chen, Shixiong Xu, Shuai Chen · 103次阅读 · 2026年10月12日

触觉机器人操控

2026年10月12日

Agile-WAM：面向接触丰富机器人控制的敏捷触觉世界动作模型

Agile-WAM 从零训练一个不含交叉注意力的「视觉-触觉-动作」流匹配骨干，把融合观测潜变量直接当作流的源，一次前向同时生成动作块与未来视觉/触觉潜变量，并按「视觉看远、触觉看近」做多时域监督；9 个仿真与 5 个真机接触丰富任务成功率最高，单次推理 10.35 ms（96.6 Hz），真机相对最强基线提升 29.4%。

Hanchu Zhou, Brendan Lynch, Raman Goyal · 177次阅读 · 2026年9月17日

世界动作模型流匹配

2026年9月17日

VT-Bridge：轻量残差适配把预训练 VLA 桥接成 VTLA

VT-Bridge 不改动预训练 VLA 的架构，只在其预测的动作块之上外挂一个 0.98M 参数的触觉残差适配器，以机器人执行频率逐步修正动作：骨干低频推理（π0 每块 153.1 ms），适配器单步 0.7 ms，两者在同一块 GPU 上时间片交错，互不抢占算力。每个任务最多 50 条双边遥操作视触演示即可完成 LoRA 微调骨干与训练适配器；残差监督取遥操作记录的期望位姿而非实际执行位姿，以补偿阻抗控制下 4-5 cm 的接触偏移，非接触样本的残差目标置零。在 π0、π0.5、SmolVLA 三个骨干与 Pump Bottle、Clean Whiteboard、Insert Plug、Flip Rocker Switch 四个接触密集任务上，平均严格成功率从 11.7% 提升到 62.9%，条件完成率提升 58.8 个百分点，12 个任务-骨干组合全部最优。代码正在整理开源。

Yansong Wu, Tuo Yang, Rongping Zhao · 225次阅读 · 2026年9月18日

触觉视觉语言动作模型

2026年9月18日

PanTact：用可穿戴接触接口教会人形机器人全身灵巧性

PanTact 把接触而不是关节轨迹当作人到机器人的迁移货币。可穿戴贴片由 44×44 mm 的 FSR 模块磁吸拼装，一块 50×50 mm 自研 PCB 以 1 kHz 同读 16 路，走带 CRC 的 RS-485 菊花链，每块贴片挂一个 Vive tracker 把传感器中心定位到世界系，接触状态按每通道自适应基线二值化，阈值 max(0.35β, r_min)。策略以身体遮蔽后的 3D 第一视角点云、双腕图像与本体感知为观测，10 Hz 预测 H=16 的动作块，内含 look-at 点、EEF 位姿与夹爪宽度、逐传感器接触目标（二值状态加 3D 位置）。控制器用软最小邻近距离 d(p,q)（T=0.02 m）把激活接触交给当前最近的机器人表面，并沿按压方向偏移 δ 形成虚拟目标以产生按压力，因此 G1 不装任何触觉传感器也能抱住物体。三种公式化实现各有代价：免训练的上身 IK、由 SONIC 执行稠密参考的 WBIK、PPO 在 4096 个仿真环境训 30k 迭代的稀疏接触跟踪器（50 Hz、29 关节、上身 8 / 全身 16 个接触槽）。29-DoF Unitree G1 实测：Grasp-and-Embrace 85%（上身 IK）与 80%（稀疏），Humanoid UMI 为 0；Sweep-and-Stow 端到端 90.63%，UMI++ 两阶段各 18.75%、端到端 0；Carry-and-Push 90% 对 40%。仿真回放消融显示加入接触目标后三种控制器接触距离都下降，EEF 精度几乎不受损。

Xu, Xiaomeng, Zhang, Han, Ruan, Zhian · 445次阅读 · 2026年10月8日

Whole-Body Manipulation触觉

2026年10月8日

0:07

Harness VLA：用记忆引导的智能体把冻结 VLA 驾驭成可靠的操作原语

语言条件操作既需要精确的富接触控制，也需要对语言、场景和长时程的稳健推理。端到端视觉-语言-动作（VLA）模型提供强大的局部视觉运动技能，但它们是在分布内任务轨迹上训练的，在语义重定向、目标重绑定、空间布局偏移和局部接触不稳定等部署扰动下常常失效。LLM 编码智能体提供互补的语义与组合推理，但纯解析原语在不规则抓取、受限放置和铰接物体交互上表现很差。本文提出 Harness VLA，一个记忆增强的智能体框架：它把一个冻结的 VLA 暴露为可重试的富接触原语，并与一个小型固定的解析原语库组合，用于接地、暂存、搬运、导航和释放。框架不去扩大技能库，而是从任务特异的执行轨迹、全局成功规则和失败模型中学习这些固定原语的工作范围。通过把语义重接地、非接触执行和 VLA 重暂存上提到规划器，同时把冻结 VLA 留给局部富接触阶段，Harness VLA 在不微调的前提下把预训练 VLA 扩展到其原始轨迹分布之外。在被扰动的桌面操作、家庭厨房操作和 clean-to-randomized 双臂操作上，Harness VLA 在 LIBERO-Pro 和 RoboCasa365 上分别比最强相关基线高出 38.6 和 27.1 个百分点，并在 RoboTwin C2R 上达到 58.4%。代码开源于 https://github.com/RLinf/RPent 。

Yixian Zhang, Huanming Zhang, Feng Gao · 1083次阅读 · 2026年7月9日

视觉语言动作模型机器人操控

2026年7月9日

2:26

Coupled 世界模型训练 G1 接触操作

@chris_j_paxton · 984次播放 · 2026-09-04

Coupled Local and Global World ModelsFoG

0:19

Facet-0：0.5mm精密装配机器人基础模型

@robotsdigest · 767次播放 · 2026-09-02

视觉语言动作模型ManuFacet-1K

FM-VLA：接触丰富操作的力觉记忆增强VLA模型

提出基于力觉记忆的 VLA 模型，用 VAE 将力时序编码为紧凑记忆 token，注入动作专家模块，使模型能利用累积接触事件历史引导非马尔可夫接触丰富操作，在隐藏方块、按钮按压、擦拭盘子三个记忆依赖任务上超 80% 成功率。

Ruicheng Li, Qixiu Li, Ruichun Ma · 638次阅读 · 2026年7月20日

视觉语言动作模型VAE

2026年7月20日

作为亚马逊联盟会员,我们可能从符合条件的购买中获得佣金。