FLORE：力反应人形移动操作框架

Sihang Li 等作者提出 FLORE 力反应人形移动操作学习框架：用两只带力传感的 UMI 式手持夹爪和可穿戴追踪器采集无机器人演示，训练以视觉、本体感知和测量力旋量为输入的力反应扩散策略，输出动作与每只手力指令；配套的混合柔顺全身控制器借助真实力/力矩传感器的力误差积分实现单手力跟踪并保持平衡。 在三项接触密集任务的实机测试中，力反应策略成功率为 80%，而用同一批演示训练、由同一控制器执行的位置策略为 26.7%。仿真中，该控制器能跟踪不同大小和方向的手部力指令，全身运动精度损失较小。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。