中科院自动化所触觉强化学习提升亚毫米装配成功率
先了解这件事
中国科学院自动化研究所程龙团队在 IROS 2026 发表研究，提出触觉增强的“抓取—插入”全流程学习框架，用触觉强化学习提升亚毫米级精密插入的成功率与稳定性。方案先用 Diffusion Policy 模仿学习抵达孔口，再用 SAC 强化学习完成插入，并通过触觉基线补偿和按扭矩分组的均衡采样处理真实触觉噪声。 在 0.05 毫米间隙下，团队报道的实验结果显示：仅靠视觉与位姿示教的纯模仿学习方案成功率为 0%，无触觉的模仿学习加强化学习方案为 52%，加入指尖触觉反馈后升至 67%，峰值接触力降低 60%。实验覆盖方形、圆形、六边形、L 形、三角形 5 种异形孔，并设置 1、0.25、0.05 毫米三档间隙梯度；触觉传感器采用帕西尼 PX6AX GEN3，搭载于七轴机械臂实时反馈接触状态。团队称亚毫米级精密操作可行性已验证，但仍需跨越多重产业化门槛。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- 机器人daily · 微信公众号中科院自动化所与帕西尼合作研究：触觉增强强化学习实现亚毫米级精密装配
中国科学院自动化研究所程龙团队在 IROS 2026 发表研究，用触觉增强强化学习提升亚毫米级精密插入的成功率与稳定性。方案先用 Diffusion Policy 模仿学习抵达孔口，再用 SAC 强化学习完成插入，并通过触觉基线补偿和按扭矩分组的均衡采样处理真实触觉噪声。
- 帕西尼 · 微信公众号中科院自动化所提出触觉增强抓取插入框架，0.05毫米间隙下成功率67%
中国科学院自动化研究所程龙团队提出触觉增强的抓取—插入全流程学习框架，在0.05毫米间隙下实现67%成功率，峰值接触力降低60%，论文被IROS 2026收录。该研究以帕西尼PX6AX GEN3多维触觉传感器为核心感知硬件，集成至七轴机械臂，覆盖五种几何形状与1、0.25、0.05毫米三档间隙。同等条件下无触觉的IL+RL方案成功率为52%，纯模仿学习方案为0。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。