摘要由 AI 生成
为了解决接触丰富型移动操作任务中语义动作生成与物理交互控制衔接的问题,研究者提出了 FWBC-VLA 框架。该框架引入无传感器残差扭矩估计器(HSR-Force)来推断接触强度及其时间变化,并将接触信息编码为 token 注入 VLA 动作专家以感知接触状态。在移动 - 操作任务中,对预训练 VLA 骨干网络使用包含超过 5000 个场景的 WL&Arm 数据集进行微调,并将机器人本体感觉、雅可比导出的力估计及接触状态联合输入补偿生成器产生校正动作。最终将操作中心动作与校正动作结合后传递给 WBC 策略执行。该框架在白板擦拭和带闭门器的门开启等真实世界实验中验证了其有效性。
关键实体KEY ENTITIES
FWBC-VLAHSR-ForceWL&Arm Dataset
事件框架EVENT FRAME
产品发布
arXiv:2609.03889v2
FWBC-VLA
提出力感知框架用于接触丰富操作
报道态势 · 每日报道量LANGUAGE SPLIT
实体关系
信号强度SIGNALS
关键词热度
- FWBC-VLA1
- HSR-Force1
- WL&Arm Dataset1
全部报道(1)SOURCES
↗
提出 FWBC-VLA 框架,旨在解决接触丰富型移动操作任务中语义动作生成与物理交互控制之间的衔接问题。该框架通过引入无传感器残差扭矩估计器 HSR-Force 推断接触强度及其时间变化,并将接触信息编码为 token 注入 VLA 动作专家以感知接触状态。在移动 - 操作任务中,对预训练 VLA 骨干网络使用包含超过 5000 个场景的 WL&Arm 数据集进行微调,并将机器人本体感觉、雅可比导出的力估计及接触状态联合输入补偿生成器产生校正动作。最终将操作中心动作与校正动作结合后传递给 WBC 策略执行。在白板擦拭和带闭门器的门开启等真实世界实验中验证了该框架的有效性。