EquiContact提出分层SE(3)等变接触操作框架

Joohwan Seo等作者提交预印本论文，提出EquiContact分层框架，用于学习可跨任务配置空间泛化的视觉机器人接触操作策略。框架由高层视觉规划器Diff-EDF与低层柔顺视觉运动策略G-CompACT组成；G-CompACT以腕部RGB图像、几何一致误差向量（GCEV）表示的末端位姿反馈和力扭矩读数为输入，输出末端坐标系上的动作。作者称，在等变参考系估计与左不变视觉特征下，整条流水线从感知到力控制均具备SE(3)等变性。 作者称，机器人在学会一项接触丰富任务（如销孔插入）后，无需重新训练低层策略即可在不同位置和朝向执行类似任务。论文称实机销孔插入实验在空间分布外配置下取得接近完美的成功率，另有拧螺丝与表面擦拭实验评估该局部策略设计在插入之外的迁移。论文标注为“Preparing for submission again”，属预印本，未经同行评议，上述成功率与等变性均为作者自述。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。