我的 AI 学习地图研究记录 · 2026.11

触觉研究记录

进行中的研究结果记录至

围绕触觉迁移与触觉融合,记录我怎样提出问题、设计对照,再用实验修正判断。

插头接近孔口后,视觉仍可能看不清接触位置和受力变化。我关注的,是怎样把这些接触线索变成机器人可以利用的信息。

两个问题,分开验证

跨域迁移TacImag / ACT

没有目标触觉,怎样用上源域经验?

从 ManiFeel 单臂 USB 插入到 AV ALOHA 双臂插入,用目标视觉和状态生成触觉,再让 ACT 学习读取。

  1. 目标 RGB / 状态
  2. 冻结触觉生成器
  3. 空间 tokens
  4. ACT 动作
触觉融合TacFF / DP

触觉已经存在,怎样保留并利用它?

先回到源域,直接使用仿真真值 TacFF,检验局部方向、位置与残差信息怎样进入 Diffusion Policy。

  1. 仿真真值 TacFF
  2. 局部编码
  3. 空间汇聚
  4. DP 动作

两条线共同关注接触信息,却回答不同的问题。迁移线要跨越观测和任务差异;融合线先把预测误差移出实验,检查策略的信息接口。它们可以独立推进,再讨论怎样结合。

目前做到哪里

已完成 · 迁移

接入与适配实验

完成预测 TacRGB / TacFF 接入、内容错配和输入适配对照。固定输入有小幅收益迹象,当前内容贡献和适配附加收益仍未稳定确认。

已完成 · 融合

编码、探针与任务验证

完成 A/B/C、残差读出与新 B/C 对照。方向信息仍可读,但显式方向路由尚未带来额外成功率收益。

11 月 14 日确认的下一步

补齐开源基线复现

沿公开 GAP 路径进行三个种子、200 轮阶段复现;先通过冒烟检查。本页尚未收录这轮新结果。

这份研究记录的边界

这里展示进行中的研究及阶段性结果。ManiFeel、TacImag、ACT 与 Diffusion Policy 是已有工作的来源;我自己的部分是输入与输出接入、适配和融合设计,以及相应的对照、诊断与验证。

已完成结果整理自 11 月 13 日汇报及对应实验报告,11 月 14 日补入下一步安排。不同测试批次分开呈现;原始数据与完整运行记录在研究工作区留存。

参考来源

相关知识

讨论与留言

04 · 论文与研究

这里的留言公开可见。欢迎分享你的理解,也可以指出值得修正的地方。

正在分配你的访客编号…

同一浏览器在本站共用一个编号;清除网站数据后会重新分配。

0 / 1000

这项研究的留言

正在读取留言…