跳到正文
热点事件观察中

语言对齐预训练力/力矩实现外接触感知

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

论文作者提出一种方法:用仿真抓放交互生成的监督,把双侧六轴力/力矩历史与冻结的语言空间对齐,预训练成语义结构化的物理表征。 在仿真未见物体上,该表征支持以文本原型读出机器人动作、物体重量和抓取交互。在实机放置任务中,无需更新编码器、仅靠无标签校准即可识别接触与支撑状态,作者称其表现优于垂直力符号反转规则基线。对于预训练中未出现的连接器插入事件,作者称低秩适配相比从头训练提升了数据效率。 上述结果来自预印本,尚未经同行评议和独立验证。

AI 根据报道生成 · 4 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月29日
  1. arXiv · cs.RO精选
    Language-Grounded Force/Torque Pretraining 用于外接触感知

    作者提出用仿真抓放交互生成的监督,将双侧六轴力/力矩历史与冻结语言空间对齐,预训练为语义结构化的物理表征。在仿真未见物体上,该表征支持以文本原型读出机器人动作、物体重量和抓取交互;在实机放置任务中,无需更新编码器、仅靠无标签校准即可识别接触与支撑状态,表现优于垂直力符号反转规则基线。对于预训练中未出现的连接器插入事件,低秩适配相比从头训练提升了数据效率。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。