Beyond Implicit Force: Evaluating Explicit Force-Torque Proxies in Action Chunking with Transformers
作者: King Hang Wong, Lingqiao Liu, Feras Dayoub
分类: cs.RO
发布日期: 2026-07-16
备注: Accepted to IROS 2026
💡 一句话要点
提出显式力矩代理以解决隐式力感知问题
🎯 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: 动作分块 接触感知 力矩代理 变换器 机器人操作 遥操作 力感知
📋 核心要点
- 现有的基于变换器的动作分块方法在接触操作中依赖隐式的交互信号，导致在某些情况下的性能下降。
- 本文提出了一种新的观察中心ACT变体，直接预测跟随者的关节状态，消除了遥操作引起的信号差异。
- 实验结果显示，使用关节力矩代理的策略在多个真实任务中表现出色，显著提升了接触行为的鲁棒性。
📝 摘要（中文）
在接触丰富的操作中，策略需要从视觉和运动学信号中推断交互状态。尽管基于变换器的动作分块（ACT）在精细操作中表现出色，但许多部署通过领导-跟随遥操作收集演示，导致命令运动与执行运动之间的跟踪误差隐式编码了接触、阻力和约束违反。本文探讨了ACT的力感知是否依赖于这种隐含的交互线索。我们引入了一种以观察为中心的ACT变体，预测未来的跟随者关节状态，从而去除了遥操作引起的差异信号，同时保留了学习管道的其余部分。实验表明，简单的关节力矩代理可以在没有外部力/力矩传感器的情况下恢复接触感知行为。
🔬 方法详解
问题定义：本文旨在解决基于变换器的动作分块（ACT）在接触丰富操作中对隐式交互信号的依赖问题。现有方法在遥操作中可能导致性能下降，尤其是在力感知方面。
核心思路：提出一种以观察为中心的ACT变体，直接预测跟随者的关节状态，去除遥操作引起的信号差异，从而增强力感知能力。
技术框架：整体架构包括数据采集、模型训练和策略评估三个主要阶段。首先，通过传感器收集关节状态和电机电流数据，然后训练模型以预测未来的关节状态，最后在真实任务中评估策略的表现。
关键创新：最重要的创新在于引入了简单的关节力矩代理，能够在没有外部力/力矩传感器的情况下恢复接触感知行为。这一方法与传统依赖隐式信号的策略形成鲜明对比。
关键设计：在模型设计中，采用了特定的损失函数来优化关节状态预测的准确性，并调整了网络结构以适应不同任务的需求。
🖼️ 关键图片
📊 实验亮点
实验结果表明，去除隐式信号后，策略在力关键阶段出现严重失败，而引入力矩增强策略后，表现出强大的接触行为恢复能力。在多个真实任务中，基于力矩的策略显著提升了接触感知的鲁棒性，超越了基础ACT策略。
🎯 应用场景
该研究的潜在应用领域包括机器人操作、自动化装配和人机协作等。通过提升机器人在复杂环境中的接触感知能力，能够显著提高其在实际任务中的表现和安全性，具有重要的实际价值和未来影响。
📄 摘要（原文）
Contact-rich manipulation requires policies to infer interaction state from signals that are often weakly observable through vision and kinematics alone. Action Chunking with Transformers (ACT) has shown strong performance in fine-grained manipulation, but many deployments collect demonstrations through leader-follower teleoperation, where tracking error between commanded leader motion and executed follower motion implicitly encodes contact, resistance, and constraint violation. This paper examines whether ACT's apparent force-awareness depends on this hidden interaction cue. We introduce an observation-centric ACT variant that predicts future follower joint states instead of leader commands, thereby removing the teleoperation-induced discrepancy signal while preserving the rest of the learning pipeline. We then evaluate whether simple joint-torque proxies, derived from onboard motor current or joint effort, can recover contact-aware behavior without external force/torque sensors. Across four real-world tasks spanning surface following, insertion, stiffness discrimination, and force-based stopping, removing the implicit cue leads to severe failures in force-critical phases. In contrast, torque-augmented policies recover robust contact behavior and improve the base ACT policy. These results demonstrate that, on real hardware, the implicit teleoperation cue is a recoverable source of force-awareness, where torque signals are available, a simple proxy matches, surpasses, or further enhances it.