热点事件持续更新

提出分解式触觉表征与控制框架

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Siqi Shang 等在 arXiv 提出一种分解式触觉表征与控制框架，把法向力与接触斑映射为可从传感器读数恢复的有效接触响应，并将其分解为接触几何、力分布、时变接触三部分分别编码与随机化；配套的 Tactile Gated Policy 在控制中保留这些表示，无需重训练即可覆盖所有掩码配置。论文报告的评估结果为：接触定位误差小于 1 mm，在未见几何上的力跟踪误差为 1.69 N，真实场景对抗性插孔任务成功率较未分解响应提升 35%，且不同触觉表示对不同交互任务各有裨益。

AI 根据报道生成 · 7 小时前更新

最新进展10月8日 12:00

分解式触觉表示与控制框架实现小于 1 mm 接触定位与 35% 插孔成功率提升

报道时间线

沿着报道，了解事件的不同侧面。

10月8日

12:00
arXiv cs.RO 机器人学
分解式触觉表示与控制框架实现小于 1 mm 接触定位与 35% 插孔成功率提升
论文提出一种分解式触觉表示与控制框架，将法向力与接触斑映射为可从传感器读数恢复的有效接触响应，并把响应分解为接触几何、力分布和时变接触三部分分别编码与随机化，Tactile Gated Policy 在控制中保留这些表示且无需重训练即可覆盖所有掩码配置。

本事件热度走势

可比范围当前: 8
可比范围峰值: 1010月8日 13:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。