arXiv · cs.RO· Masaki Murooka, Ryoichi Nakajo, Tomohiro Motoda, Koshi Makihara, Hanbit Oh, Keisuke Shirai, Yukiyasu Domae·· 7 小时前精选AI 评分62
论文 / 摘要阅读
研究评估触觉基础模型在接触密集操作端到端模仿学习中的效果
Evaluating Tactile Foundation Models for End-to-End Imitation Learning in Contact-Rich Manipulation
AI 导读 · 根据来源整理
该研究将多种触觉基础模型（TFM）集成到 Diffusion Policy 中，系统评估其在接触密集操作任务上用于端到端模仿学习的有效性。作者进一步考察编码器微调与任务特定 mid-training 等适配策略，以了解预训练触觉表征如何用于下游模仿学习。评估覆盖真实世界与仿真环境中的多种操作任务，包含超过 5,000 次真实世界策略 rollout，并给出使用 TFM 的实证经验。论文已被 SII 2027 接收，当前为 arXiv 预印本。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org