ForeTac：预测性接触引导框架提升机器人操作成功率

Zhiyuan Chen 等研究者提出预测性接触引导框架 ForeTac，在四项真实机器人任务上，相比仅用视觉的 Diffusion Policy，平均任务成功率从 36.3% 提升到 71.3%，平均接触成功率从 20.0% 提升到 66.3%。 ForeTac 采用表示-预测-评估-引导循环：编码当前触觉状态，按候选动作序列预测未来触觉隐轨迹，再用从成功与失败物理交互中学到的接触质量目标评估每条轨迹。推理时该目标的梯度反向传播穿过触觉预测器，在执行前引导动作生成，所有模型参数保持冻结。 评测覆盖平面与曲面擦拭、刷卡、易碎物抓取四项任务，使用扩散策略与流匹配策略，两种策略下两项指标均有提升。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。