arXiv cs.RO 机器人学· Jaeyoung Lee, Jiyeon Koo, Taehwa Kim, Yerin Cha, Andrew Jaeyong Choi·· 1 天前AI 评分55
MIM-VLA：从夹爪电机反馈学习物理交互表征
MIM-VLA: Learning Physical Interaction Representations from Gripper Motor Feedback
AI 导读
MIM-VLA 用夹爪电流、位置、速度和信号有效性编码为 128 维交互 token，预训练后仅调节 SmolVLA 的夹爪动作通路，手臂动作与位置控制接口保持不变。在三个真实场景、13 对物体的测试中，MIM-VLA 选择高阻力物体的比例为 75.0%，SmolVLA 基线为 48.8%；该方法仅使用夹爪已有电机反馈，无需额外触觉阵列、力矩传感器、标定力估计或直接电流控制。
来源：arXiv cs.RO 机器人学 · arxiv.org