arXiv cs.RO· Hideyuki Ichiwara, Yushi Kaida, Hirokazu Ishida·· 4 小时前AI 评分57
Hardware-as-Regularization：用可调被动柔顺主臂提升模仿学习数据一致性
Hardware-as-Regularization: Enhancing Data Consistency in Imitation Learning via an Adjustable Passive Compliant Leader Arm
AI 导读
arXiv 论文提出 Hardware-as-Regularization 方法，通过低成本被动关节模块（可调机械离合器加 3D 打印螺旋弹簧）将每个关节拉向用户定义的中立姿态，以被动回正力充当关节空间 L2 正则化的物理先验。
来源：arXiv cs.RO · arxiv.org