标签: 机器人灵巧操作

本文系统评估了用于多任务灵巧操作的‘大行为模型’（类似机器人的通用AI模型）。研究发现，这类模型比单任务模型更可靠、学得更快，且只需少量数据就能掌握新技能；模型能力随预训练数据量和任务多样性增加而稳定提升。

标签: 多任务学习 大行为模型 扩散策略 机器人灵巧操作 模型评估

机器人一直难以像人类一样灵巧地用力操作物体，关键在于缺乏对碰撞、平衡、阻力等环境反馈的感知能力。本研究发明了一种新型触觉传感器（TAP传感器），能同时高精度测量扭转角度（0.1°）、扭矩（0.4 N·mm）和压力，且响应快、范围宽、线性好。装上该传感器的机器人无需视觉即可稳定放置物品，在平衡木叠放任务中2.4秒完成、成功率81.5%，超过人类水平；还能自适应切萝卜，实时调整刀姿。这为机器人在复杂环境中实现人机协作迈出关键一步。

标签: 交互闭环 扭矩感知 机器人灵巧操作 自适应切削 触觉传感器