用多手指机器人抓东西，加了高分辨率触觉数据后，抓稳成功率比只用视觉的提了10.5个百分点——这是arXiv上一篇cs.RO分类的最新研究，没玩虚的，全是实测堆出来的结果。
实验怎么来的？1万次抓取的数据集打底
研究团队用一台装了四个Digit 360触觉传感器的多手指机器人手，抓了200种日常物体，前后做了1万次抓取实验。每次抓取时，都同步录下三个维度的数据：外部视觉、机器人自身的本体感数据，还有指尖的触觉信号。最后把这些数据整理成公开数据集，链接是https://lasr-lab.github.io/dexterous-grasp-stability/，其他做机器人的人能直接用。
核心结论：动态触觉比视觉更能决定抓稳
他们没靠直觉下结论，而是做了严格的对比实验。先训练了端到端的时序多模态模型，用来预测机器人抬东西时会不会抓稳。结果很明确：把触觉数据加进去，尤其是那种高分辨率、动态变化的指尖触觉，抓稳预测的准确率明显提升。再拆分不同感知模态的作用，也确认了触觉是当前实验里最能提升稳定性的变量。
给行业的启发：不用硬编规则，靠数据就行
最后他们把训练好的模型当成“在线稳定门”，装在实际机器人上测。对比不用触觉的方案，用了视觉加触觉的模型后，成功抓取的比例直接涨了10.5个百分点。更重要的是，这个方法不用特意去做显式的接触模型或者力建模——这意味着不用给机器人硬编各种物理规则，靠数据就能搞定，扩展性很强。
这篇论文的价值，是把机器人抓取里一直被忽略的触觉动态数据，从“锦上添花”的补充，变成了能决定成功率的核心变量。不过，多手指机器人要真的能在超市货架、工厂流水线这种真实场景里干活，除了数据和模型，会不会还有很多没被论文提到的实际障碍？比如传感器的耐用性，或者不同物体的触觉信号怎么更通用？
素材来源：arXiv (LLM/多模态新论文) · AI情报、大模型、具身智能、科研前沿
查看报道原文
发表第一条评论吧