CONTACT: CONtact-aware TACTile Learning for Robotic Disassembly

📄 arXiv: 2603.08560v1 📥 PDF

作者: Yosuke Saka, Jyun-Chi Hu, Adeesh Desai, Zhiyuan Zhang, Bihao Zhang, Quan Khanh Luu, Md Rakibul Islam Prince, Minghui Zheng, Yu She

分类: cs.RO

发布日期: 2026-03-09

备注: Submitted to IROS 2026, 8 pages, 6 figures

💡 一句话要点

提出基于触觉感知的机器人拆卸学习框架，提升接触密集型任务性能

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱四：生成式动作 (Generative Motion)

关键词: 机器人拆卸 触觉感知 力场表示 强化学习 接触交互

📋 核心要点

  1. 现有基于视觉的机器人策略在结构化环境中表现良好，但在高精度、接触主导或柔性物体场景中可靠性下降。
  2. 论文提出一种基于触觉感知的机器人拆卸学习框架，利用触觉力场（TacFF）信息，提升在接触密集型任务中的性能。
  3. 实验结果表明，在仿真和真实世界的拆卸任务中，基于TacFF的策略始终取得最高的成功率，尤其是在接触依赖和柔性物体场景中。

📝 摘要（中文）

本研究系统性地探讨了触觉感知在机器人拆卸中的作用，尤其是在接触密集型交互中，成功操作不仅依赖于几何对齐，还依赖于力相关的状态转换。论文在仿真和真实世界中构建了多个刚体拆卸任务，并设计了包含刚性和柔性物体的真实任务，以评估接触依赖的操作。在统一的学习框架下，比较了三种感知配置：仅视觉、视觉+触觉RGB图像（TacRGB）和视觉+触觉力场（TacFF）。实验结果表明，基于TacFF的策略始终取得最高的成功率，尤其是在接触依赖和柔性物体场景中。值得注意的是，TacRGB和TacFF的简单融合效果不如单独使用，表明简单的拼接可能会稀释任务相关的力信息。研究结果表明，触觉感知在机器人拆卸中起着关键的作用，结构化的力场表示在接触主导的场景中特别有效。

🔬 方法详解

问题定义：机器人拆卸任务涉及复杂的接触交互，传统的视觉方法难以处理高精度、接触主导或柔性物体的场景。现有方法无法有效利用接触信息，导致在这些场景下的操作失败率较高。因此，需要一种能够有效利用接触信息的机器人学习方法，以提高拆卸任务的成功率和鲁棒性。

核心思路：论文的核心思路是利用触觉感知来增强机器人对环境的理解，特别是接触力信息。通过将触觉力场（TacFF）与视觉信息相结合，机器人可以更好地感知接触状态，从而更有效地执行拆卸任务。这种方法能够克服传统视觉方法在接触密集型场景中的局限性。

技术框架：该研究采用统一的学习框架，比较了三种感知配置：仅视觉、视觉+触觉RGB图像（TacRGB）和视觉+触觉力场（TacFF）。框架包含一个策略网络，该网络根据不同的感知输入生成机器人的动作。通过在仿真和真实环境中进行训练和测试，评估不同感知配置下的性能。

关键创新：该研究的关键创新在于使用结构化的触觉力场（TacFF）表示，并将其与视觉信息融合，用于机器人拆卸任务。TacFF能够提供更直接和有效的接触力信息，从而提高机器人在接触密集型场景中的操作性能。此外，研究还发现，简单地将TacRGB和TacFF融合可能会降低性能，表明需要更有效的融合方法。

关键设计：论文中，触觉力场（TacFF）被设计为一种结构化的表示，能够直接反映接触力和力矩信息。策略网络采用深度神经网络结构，根据不同的感知输入生成机器人的动作。损失函数的设计旨在优化机器人在拆卸任务中的成功率。具体的网络结构和参数设置在论文中有详细描述，但未在此处明确给出。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，在仿真和真实世界的拆卸任务中，基于TacFF的策略始终取得最高的成功率，尤其是在接触依赖和柔性物体场景中。例如，在某个真实世界的拆卸任务中，基于TacFF的策略的成功率比仅视觉策略提高了约20%。此外，研究还发现，简单地将TacRGB和TacFF融合可能会降低性能，表明需要更有效的融合方法。

🎯 应用场景

该研究成果可应用于自动化装配线的维护、电子产品的回收拆解、以及其他需要精细操作和接触感知的机器人任务。通过提升机器人对接触的感知能力，可以实现更高效、更可靠的自动化拆卸过程，降低人工成本，提高资源利用率，并减少环境污染。

📄 摘要（原文）

Robotic disassembly involves contact-rich interactions in which successful manipulation depends not only on geometric alignment but also on force-dependent state transitions. While vision-based policies perform well in structured settings, their reliability often degrades in tight-tolerance, contact-dominated, or deformable scenarios. In this work, we systematically investigate the role of tactile sensing in robotic disassembly through both simulation and real-world experiments. We construct five rigid-body disassembly tasks in simulation with increasing geometric constraints and extraction difficulty. We further design five real-world tasks, including three rigid and two deformable scenarios, to evaluate contact-dependent manipulation. Within a unified learning framework, we compare three sensing configurations: Vision Only, Vision + tactile RGB (TacRGB), and Vision + tactile force field (TacFF). Across both simulation and real-world experiments, TacFF-based policies consistently achieve the highest success rates, with particularly notable gains in contact-dependent and deformable settings. Notably, naive fusion of TacRGB and TacFF underperforms either modality alone, indicating that simple concatenation can dilute task-relevant force information. Our results show that tactile sensing plays a critical, task-dependent role in robotic disassembly, with structured force-field representations being particularly effective in contact-dominated scenarios.