Beyond Implicit Force: Evaluating Explicit Force-Torque Proxies in Action Chunking with Transformers
本文表明，虽然基于 Transformer 的动作分块（ACT）通常依赖于隐式的遥操作追踪误差来实现富接触操控，但利用来自车载传感器的显式关节力矩代理值来替换这些隐藏线索，可以有效地恢复甚至增强在多种现实世界任务中的力觉感知行为。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图教一个机器人做一些精细的家务，比如擦桌子或插充电器。你不能只给机器人看一段视频；它需要“感觉到”自己在做什么。但机器人没有皮肤，摄像头也看不见“压力”或“摩擦力”。这就是**接触密集型操控（contact-rich manipulation）的复杂世界——在这种情况下，机器人必须与物理世界互动，既不能损坏物品，也不能卡住。为了教导机器人，科学家们经常使用一种叫做模仿学习（Imitation Learning）**的方法，即让机器人观察人类完成任务并尝试模仿人类。一个流行的工具叫做 ACT（基于 Transformer 的动作分块技术），它就像一个超级聪明的预测器，能够一次性预测机器人接下来的几个动作，而不是一步步地进行。大家都在问的一个大问题是：如果机器人无法真正“感觉”到物体，它怎么知道什么时候该用力推，或者什么时候该退后？它是需要昂贵且专门的传感器，还是仅仅通过观察就能掌握？
这篇论文深入探讨了我们在教导机器人时隐藏的一个惊人秘密。研究人员发现，流行的 ACT 机器人实际上在“作弊”一点点。当人类使用一种特殊的“主从控制”（leader-follower）设置（即人类移动主臂，机器人模仿其动作带动从臂）来教导这些机器人时，机器人不仅仅是在复制手臂的位置。它其实在秘密地从“挣扎”中学习。如果机器人的手臂撞到了墙，导致无法像人类手臂那样移动得那么快，那种微小的滞后或“跟踪误差”就变成了一个隐藏信号，告诉机器人：“嘿，有东西挡路了，再使点劲！”这篇论文提出了一个问题：如果我们拿走了那个隐藏的“挣扎”信号，会发生什么？机器人会忘记如何处理接触吗？
为了找出答案，作者构建了一个忽略人类“挣扎”并仅预测机器人自身手臂应该去向何处的机器人版本。他们将其称为 ACT-o。当他们在擦黑板、插充电器或按压软瓶子等现实世界的任务中测试它时，机器人完全崩溃了。失去了那个隐藏的“滞后”信号，机器人变得犹豫不决、僵住，或者只是在物体上方悬停，无法施加必要的力。这就像一位音乐家虽然能弹奏出音符，却忘了如何用力按下琴键以发出声音。
然而，故事并没有以失败告终。研究人员随后尝试了一个简单的修复方法：利用机器人已经拥有的数据赋予它一种新的感知能力。他们没有使用昂贵的外部传感器，而是使用了机器人自身的电机电流（即电机正在消耗多少电量）作为“扭矩代理”——即对机器人施加了多少力的粗略估计。当他们将这种简单的“力感”反馈给机器人时，它重新焕发了生机。机器人突然能够区分硬表面和软表面，能在触碰到泡沫块时准确停止，甚至能进行轻柔的“轻敲”以对准插头。
这篇论文表明，虽然旧有的教学方法中隐藏的“挣扎”是一个强大的、偶然的老师，但我们不再需要依赖它了。通过简单地将基础的力估计（源自电机电流）加入机器人的大脑，我们可以让它在处理接触方面变得和以前一样好，甚至更好。这意味着即使是在没有高级、昂贵力传感器的廉价硬件上，只要我们能让机器人“感觉到”自身电机的运作，我们就能教会它们完成精细且对力敏感的工作。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。