PHASE: Compliance-Enabled Tactile Phase Retrieval for Few-Shot Insertion Learning

📄 arXiv: 2609.30889v1 📥 PDF

作者: Jeremy Siburian, Cristian C. Beltran-Hernandez, Tatsuya Matsushima, Yusuke Iwasawa, Masashi Hamaya, Mai Nishimura

分类: cs.RO

发布日期: 2026-09-25

备注: Accepted ro IROS 2026. Project page: https://omron-sinicx.github.io/phase/

💡 一句话要点

提出PHASE框架以解决少样本插入学习中的接触丰富任务问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱四：生成式动作 (Generative Motion) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 少样本学习 触觉感知 机器人插入 合规性 多模态学习 经验检索 阶段分割

📋 核心要点

  1. 现有的插入学习方法在接触丰富的任务中，往往因演示样本不足而难以有效学习。
  2. 本文提出的PHASE框架利用合规机械手腕获取触觉信号，进行阶段特定的经验检索，从而提升插入学习的效果。
  3. 实验结果显示，PHASE在实际插入任务中成功率显著提高，尤其在未见初始位置下表现尤为突出。

📝 摘要（中文）

在接触丰富的组装任务中，如插销入孔，学习过程面临有限演示的挑战。尽管增强检索的模仿学习为此提供了希望，但其在接触丰富操作中的适用性尚未得到充分探索。本文提出PHASE框架，通过合规的机械手腕持续保持接触，获取丰富的触觉和力信号，揭示插入的阶段结构并指导检索。PHASE集成了多模态接触感知表示学习、基于触觉信号的可变长度阶段分割和阶段一致的检索策略。实验结果表明，PHASE在五种插销几何形状的实际插入任务中，相较于最强的非阶段感知基线，成功率提高了13个百分点，在未见初始位置下性能提升达30个百分点。

🔬 方法详解

问题定义：本文旨在解决在接触丰富的插入任务中，由于演示样本有限导致的学习困难。现有方法在处理多阶段插入过程中，缺乏有效的经验检索机制，导致性能不足。

核心思路：PHASE框架的核心思想是利用合规机械手腕持续保持接触，从而获取丰富的触觉和力信号，这些信号能够揭示插入过程中的阶段结构，并指导相应的经验检索。

技术框架：PHASE框架包括三个主要模块：多模态接触感知表示学习、基于触觉信号的可变长度阶段分割，以及阶段一致的检索策略。这些模块共同作用，提升了插入学习的效率和效果。

关键创新：PHASE的创新之处在于将合规性与触觉信号结合，形成了一种新的阶段感知检索机制。这一机制与传统的基于视觉或单一信号的检索方法有本质区别，能够更好地适应接触丰富的操作环境。

关键设计：在设计中，PHASE采用了特定的损失函数以优化阶段分割的准确性，并利用深度学习网络结构来处理多模态输入。关键参数设置经过实验验证，以确保模型在不同插销几何形状下的鲁棒性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，PHASE框架在五种不同插销几何形状的实际插入任务中，相较于最强的非阶段感知基线，成功率提高了13个百分点，并在未见初始位置下的性能提升达30个百分点。这表明阶段感知检索显著增强了少样本插入学习的鲁棒性。

🎯 应用场景

该研究的潜在应用领域包括机器人组装、自动化制造及人机协作等场景。通过提升机器人在接触丰富任务中的学习能力，PHASE框架能够有效降低对大量演示样本的依赖，进而提高生产效率和灵活性。未来，该技术可能会在智能制造和服务机器人领域产生深远影响。

📄 摘要（原文）

Contact-rich assembly tasks such as peg-in-hole insertion remain difficult to learn from limited demonstrations. While retrieval-augmented imitation learning, which augments target demonstrations with relevant prior data, offers a promising direction, its applicability to contact-rich manipulation remains largely unexplored. Contact-rich insertion unfolds over multiple phases from search to insert, and retrieving phase-specific experience from prior data in principled ways remains an open question. Our key insight is that a compliant wrist enables the robot to sustain contact throughout execution, producing rich tactile and force signals that naturally reveal the phase structure of insertion and inform what should be retrieved. Based on this insight, we present PHASE (PHase-Aware Segmentation and REtrieval), a framework for compliance-enabled tactile phase retrieval that integrates multimodal contact-aware representation learning, variable-length phase segmentation from tactile signals, and phase-consistent retrieval for policy learning. We evaluate PHASE on real-world peg-in-hole insertion across five peg geometries, comparing against retrieval strategies drawn from state-of-the-art methods under a shared policy architecture. PHASE improves the overall success rate by 13 percentage points over the strongest non-phase-aware baseline, and improves performance under unseen initial positions by 30 percentage points. These results demonstrate that aligning retrieval with interaction-defined contact phases substantially improves robustness in few-shot insertion learning.