Imp-ACT: Adaptive Impedance Control and Action Chunking with Transformers to Learn Contact-Rich Manipulation from Demonstrations
作者: Luca Zanetti, Doganay Sirintuna, Idil Ozdamar, Pietro Balatti, Heng Zhang, Arash Ajoudani
分类: cs.RO
发布日期: 2026-09-25
备注: 9 pages, 5 figures, submitted to IEEE International Conference on Robotics & Automation 2027, for associated video see https://youtu.be/iAu_HFeaCRg
💡 一句话要点
提出Imp-ACT以解决机器人接触丰富操作中的柔顺性问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱八：物理动画 (Physics-based Animation)
关键词: 机器人操作 阻抗控制 接触丰富操作 变换器 自调节控制 动作预测 多模态融合
📋 核心要点
- 现有方法在接触丰富的操作中往往将柔顺性固定，导致无法灵活应对环境变化。
- Imp-ACT通过自调节的阻抗控制器在演示过程中动态调整刚度，提升了操作的灵活性与安全性。
- 实验结果显示，Imp-ACT在擦拭任务中减少接触力振动约29倍，在插头插入中减少正交力43%，显著提升了操作性能。
📝 摘要（中文）
接触丰富的操作要求机器人在精确运动跟踪与柔顺交互之间取得平衡，但大多数视觉-动作策略在控制器层面上固定了柔顺性。本文提出Imp-ACT，一种方法论基础扎实且实用的方法，能够在演示收集过程中直接融入方向依赖的笛卡尔刚度调节，而无需手动选择刚度或离线目标重建。在遥操作过程中，自调节的阻抗控制器根据瞬时运动方向调整刚度，同时保持正交方向的柔顺性。通过使用变换器的动作分块技术，Imp-ACT能够从视觉、前馈和力矩观测中预测末端执行器姿态、夹持器动作和运动方向刚度。实验结果表明，Imp-ACT在擦拭和插头插入任务中表现出较高的成功率和接触行为的定量指标。
🔬 方法详解
问题定义：本文旨在解决机器人在接触丰富操作中柔顺性固定的问题。现有方法往往无法根据环境变化灵活调整刚度，导致操作效率低下和安全隐患。
核心思路：Imp-ACT的核心思路是通过自调节的阻抗控制器，在演示过程中根据运动方向动态调整刚度，从而实现更灵活的操作。该设计使得机器人能够在执行任务时保持必要的刚度，同时在其他方向保持柔顺性。
技术框架：Imp-ACT的整体架构包括演示收集、刚度调节和动作预测三个主要模块。在演示收集阶段，机器人通过遥操作记录运动和环境信息；在刚度调节阶段，自调节控制器根据运动方向调整刚度；在动作预测阶段，使用变换器模型预测末端执行器的姿态和夹持器动作。
关键创新：Imp-ACT的最大创新在于将方向依赖的刚度调节直接融入到演示收集过程中，避免了手动选择刚度的复杂性。这一方法与传统固定刚度的控制策略本质上不同，能够更好地适应动态环境。
关键设计：在设计中，采用了自调节的阻抗控制器，结合视觉、前馈和力矩观测数据进行刚度调整。损失函数设计上，重点考虑了接触力的最小化和任务成功率的提升，确保了系统的稳定性和灵活性。具体的网络结构使用了变换器，以处理多模态输入数据。
🖼️ 关键图片
📊 实验亮点
实验结果显示，Imp-ACT在擦拭任务中相较于柔顺基线减少接触力振动约29倍，相较于刚性基线减少180倍。在插头插入任务中，正交力减少43%，展现出显著的性能提升，验证了该方法的有效性。
🎯 应用场景
Imp-ACT的研究成果在机器人操作、自动化制造和服务机器人等领域具有广泛的应用潜力。通过提高机器人在复杂环境中的操作能力，该方法能够提升工业自动化水平，减少人力成本，并提高安全性。未来，Imp-ACT还可能在医疗机器人、家庭服务机器人等领域发挥重要作用。
📄 摘要（原文）
Contact-rich manipulation requires robots to balance accurate motion tracking with compliant interaction, yet most visual-action policies leave compliance fixed at the controller level. We present Imp-ACT, a methodologically grounded and practical approach to incorporating direction-dependent Cartesian stiffness modulation directly into demonstration collection, without manual stiffness selection or offline target reconstruction. During teleoperation, a self-tuning impedance controller adapts stiffness along the instantaneous direction of motion while maintaining compliance in orthogonal directions. The adapted stiffness is applied and recorded alongside visual observations and motion commands, capturing motion and compliance under the same dynamics. We implement this pipeline using Action Chunking with Transformer (ACT) to predict end-effector pose, gripper action, and motion-direction stiffness from visual, proprioceptive, and wrench observations. The performance of Imp-ACT is evaluated on wiping and plug insertion using both success rate and quantitative measures of contact behavior. Compared with fixed low- and high-stiffness baselines, Imp-ACT achieves comparable or higher success while maintaining low interaction forces. In wiping, it reduces contact-force vibration by approximately $29\times$ relative to the compliant baseline and $180\times$ relative to the stiff baseline. In plug insertion, it reduces forces orthogonal to the insertion direction by $43\%$ relative to the better fixed-stiffness baseline. These results highlight the benefit of maintaining sufficient stiffness along the direction needed for task execution while preserving compliance in other directions to limit contact forces and accommodate environmental constraints.