arXiv cs.RO 机器人学· Zijun Xu, Wendi Chen, Xinkai Wang, Jiachen Zou, Hongjin Chen, Hairuo Liu, Bokai Lin, Shihao Ma, Ke Ma, Zhiwei Zhang, Zhuohao Yan, Ke Wu, Haoming Song, Xueqi Li, Chuan Wen, Jieru Zhao, Wenchao Ding, Cewu Lu, Lixin Yang·· 5 小时前精选AI 评分60
ForceWAM：解耦演示与 play 数据中的未来预测和动作学习以实现接触密集操作
ForceWAM: Decoupling Future and Response Learning from Demo and Play Data for Contact-Rich Manipulation
AI 导读
ForceWAM 提出一种力-世界-动作模型，将任务兼容的交互结果知识与局部动作如何改变接触的知识解耦：世界模型从成功演示中学习，联合预测未来视频与六轴力/矩轨迹；逆动力学模型（IDM）同时从任务数据和 play 数据学习，把当前观测与记录的视觉-力旋量未来映射到机器人动作。
推荐理由
论文量化了加入任务无关 play 数据带来的 15-45 个百分点成功率提升，为接触密集操作的数据配比提供了可参考依据。
来源：arXiv cs.RO 机器人学 · arxiv.org