HACo: Learning Haptic Active Compliance for Force-Aware Dexterous Manipulation
作者: Naisheng Ye, Yinzhe Zhou, Junkai Zhao, Yuhang Lu, Checheng Yu, Zhenjie Yang, Pengwei Wang, Hongyang Li
分类: cs.RO
发布日期: 2026-09-29
💡 一句话要点
提出HACo以解决力感知灵巧操作中的合规性问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 力感知 灵巧操作 合规性调节 触觉反馈 机器人技术 多接触交互 遥操作 机器学习
📋 核心要点
- 现有方法常常忽视指尖触觉和关节扭矩反馈，导致在多接触交互中无法有效调节作用力。
- HACo通过学习力调节动作，结合触觉反馈与关节扭矩，实现合规性调节的遥操作。
- 在20次试验中，HACo在多接触任务中取得83%的成功率，相较于最强基线提升了48%。
📝 摘要（中文）
接触丰富的灵巧操作需要将物理反馈转化为运动指令，同时调节多接触交互中的作用力。现有策略往往忽视了指尖触觉和关节扭矩反馈的互补性。本文提出HACo，一种从触觉反馈中直接学习力调节动作的合规性策略。HACo通过合规性调节的遥操作，将操作员输入转化为可执行的合规动作，保持运动意图的同时调节负载。HACo在真实世界基准上进行评估，展示了在多接触摩擦、脆弱曲面接触等任务中的有效性，取得了83%的平均成功率，显著优于现有基线。
🔬 方法详解
问题定义：本文旨在解决在多接触灵巧操作中，如何有效利用触觉反馈调节作用力的问题。现有方法未能充分利用指尖触觉和关节扭矩反馈，导致操作效果不佳。
核心思路：HACo策略通过直接从触觉反馈中学习力调节动作，结合合规性调节的遥操作，将操作员的输入转化为可执行的合规动作，从而保持运动意图并调节负载。
技术框架：HACo的整体架构包括合规性调节模块和合规性基础模块。合规性调节模块负责将操作员输入转化为合规动作，而合规性基础模块则通过触觉反馈和关节扭矩反馈进行学习和调节。
关键创新：HACo的主要创新在于引入了合规性基础模块，通过门控触觉交叉注意机制，将动作生成与不断变化的触觉状态相结合，实现了闭环的力调节，而无需明确的在线接触建模。
关键设计：在HACo中，使用了命令状态差异作为辅助合规意图监督，结合局部指尖触觉响应与关节扭矩反馈，确保了负载传递的有效捕捉。
🖼️ 关键图片
📊 实验亮点
HACo在真实世界基准测试中表现出色，针对多接触摩擦、脆弱曲面接触等任务，平均成功率达到83%。相比之下，最强基线的成功率仅为35%，显示出HACo在力感知灵巧操作中的显著优势。
🎯 应用场景
HACo的研究成果在机器人操作、医疗手术、精密装配等领域具有广泛的应用潜力。通过提升机器人在复杂环境中的操作能力，能够有效提高生产效率和安全性，推动智能制造和人机协作的发展。
📄 摘要（原文）
Contact-rich dexterous manipulation requires policies that translate physical feedback into motion commands while regulating interaction loads across evolving multi-contact interactions. This requires haptic observations of contact state and action supervision showing how commands should adapt. Existing policies often overlook complementary fingertip tactile and joint-torque feedback, while common action targets either encode excessive loading or omit motion constrained by the object. We introduce HACo, a Haptic Active Compliance policy that learns force-regulating actions directly from haptic feedback. Compliance-regulated teleoperation converts operator inputs into controller-executable compliant actions that preserve motion intent while regulating loads. HACo learns these actions directly, using command-state discrepancy as auxiliary compliant-intent supervision. It combines local fingertip tactile responses with joint-torque feedback capturing load transmission through the articulated hand, including contacts beyond tactile coverage. A Compliance Grounding Module uses gated haptic cross-attention to ground action generation in the evolving haptic state, enabling closed-loop force regulation without explicit online contact modeling. We evaluate HACo on a real-world benchmark covering multi-contact friction, tangential interaction, fragile curved-surface contact, rotational torque, and deformable-object manipulation. Across 20 trials per task, HACo achieves an 83% mean success rate, compared with 35% for the strongest evaluated baseline. These results demonstrate active compliance across diverse force-sensitive dexterous manipulation tasks.