原文作者：研夢(mèng)非凡人工智能

原文鏈接：https://zhuanlan.zhihu.com/p/2031071527085528949

 

該研究由日本頂尖學(xué)府早稻田大學(xué)（Waseda University）的知名機(jī)器人實(shí)驗(yàn)室（菅野重樹(shù)、尾形哲也團(tuán)隊(duì)）等聯(lián)合提出。

arXiv 論文直達(dá)鏈接：https://arxiv.org/abs/2602.05468

  

TaSA: Two-Phased Deep Predictive Learning of Tactile Sensory Attenuation for Improving In-Grasp Manipulation (ICRA 2026)

 

【亮點(diǎn)速覽】

引入人類“感覺(jué)衰減”機(jī)制：人類在抓握時(shí)能本能地忽略自己手指間的相互觸碰，而專注于物體的觸感。但機(jī)器人多指靈巧手在操作時(shí)，手指間的碰撞（自我觸碰）產(chǎn)生的觸覺(jué)信號(hào)往往會(huì)淹沒(méi)外部物體的信號(hào)。TaSA框架首次在深度預(yù)測(cè)學(xué)習(xí)中引入了感覺(jué)衰減（Sensory Attenuation）機(jī)制。

解鎖高難度精細(xì)操作：賦予了機(jī)械手極高的觸覺(jué)辨識(shí)力，使其能夠在存在大量自我觸碰干擾的情況下，完成將自動(dòng)鉛筆芯插入筆筒、硬幣投幣、回形針夾紙等極端精細(xì)的任務(wù)。

【創(chuàng)新點(diǎn)】

雙階段深度預(yù)測(cè)學(xué)習(xí) (Two-Phased DPL)：第一階段（自我觸碰學(xué)習(xí)）：訓(xùn)練一個(gè)全連接網(wǎng)絡(luò)（FCN），僅根據(jù)關(guān)節(jié)位置預(yù)測(cè)手指間自我觸碰產(chǎn)生的觸覺(jué)反饋；第二階段（運(yùn)動(dòng)學(xué)習(xí)）：利用LSTM結(jié)合原始觸覺(jué)輸入和階段一預(yù)測(cè)的自我觸碰信號(hào)，過(guò)濾掉內(nèi)部干擾，專注于外部物體的交互控制。

觸覺(jué)特征空間凈化：通過(guò)將自我預(yù)測(cè)作為基準(zhǔn)進(jìn)行剝離，算法有效縮小了由手指預(yù)緊力帶來(lái)的“噪聲方差”，使得真實(shí)物體接觸的特征邊界更加清晰（通過(guò)PCA分析證實(shí)）。

【成果】

圖2：TaSA（觸覺(jué)感覺(jué)衰減）雙階段深度預(yù)測(cè)學(xué)習(xí)框架。

 雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))