ForceBench: Benchmarking Force Integration for Robotic Manipulation
作者: Xuan Han, Zinuo Jin, Tianlin Li, Yunfan Lou, Xin Liu, Yuchen Xue, Yuanpeng He, Boxian Yao, Shuhan Zhan, Ruihai Wu, Zhibo Pang
分类: cs.RO
发布日期: 2026-10-14
备注: 14 pages, 8 figures. Project page: https://forcebench-platform.github.io/
🔗 代码/项目: PROJECT_PAGE
💡 一句话要点
提出ForceBench以解决机器人操作中的力集成评估问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 力集成 机器人操作 模拟基准 视觉-语言-动作 物理属性推断 人机交互 自动化
📋 核心要点
- 现有方法在任务、演示和控制设置上的差异，导致力集成设计的比较不可靠。
- ForceBench是一个统一的模拟基准，评估六轴腕部力集成，结合多种任务和成功标准。
- 实验结果显示，Prompt Fusion在所有任务中表现最佳，平均成功率显著高于基线，验证了方法的有效性。
📝 摘要（中文）
力反馈为视觉-语言-动作（VLA）策略提供了物理观察，指导动作选择和执行。然而，现有系统在任务、演示和控制设置上的差异，阻碍了对力集成设计的可靠比较。我们提出了ForceBench，一个用于评估六轴腕部力集成的统一协议模拟基准。ForceBench结合了八个任务，涵盖物理属性推断、依赖阻力的交互和接触丰富的组装，提供了1600个同步演示和特定任务的成功标准。我们在共享的$π_{0.5}$骨干网络上比较了一个无力基线和六个力集成设计。Prompt Fusion实现了35.31%的最高平均模拟成功率，而基线为23.25%，并在所有三个任务类别中提高了成功率。真实世界评估显示，Prompt Fusion和Dual-Path Fusion在五个任务中实现了63.00%的平均成功率，而基线为40.00%。这些发现支持ForceBench在识别力集成在操作需求中的优缺点方面的实际价值。
🔬 方法详解
问题定义：本论文旨在解决现有机器人操作系统中力集成设计比较不可靠的问题，现有方法在任务和演示上的差异使得评估困难。
核心思路：我们提出ForceBench，通过统一的协议和多任务设置，系统地评估不同的力集成设计，提供可靠的比较基础。
技术框架：ForceBench包含八个任务，涵盖物理属性推断、依赖阻力的交互和接触丰富的组装，配备1600个同步演示和特定任务的成功标准。
关键创新：最重要的创新在于Prompt Fusion和Dual-Path Fusion设计，前者在所有任务中均表现出色，显著提高了成功率，与传统无力基线相比有本质区别。
关键设计：在实验中，我们使用了共享的$π_{0.5}$骨干网络，并针对每个任务设计了特定的成功标准，确保评估的全面性和准确性。实验还包括真实世界的评估，进一步验证了方法的有效性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，Prompt Fusion在模拟环境中实现了35.31%的平均成功率，相较于基线的23.25%有显著提升。在真实世界评估中，Prompt Fusion和Dual-Path Fusion的平均成功率达到63.00%，而基线仅为40.00%，显示出力集成设计的有效性和实用性。
🎯 应用场景
该研究的潜在应用领域包括机器人抓取、装配和人机交互等场景。通过提供可靠的力集成评估基准，ForceBench能够帮助研究者和工程师优化机器人操作策略，提高机器人在复杂环境中的适应能力和效率，未来可能推动智能制造和自动化领域的发展。
📄 摘要（原文）
Force feedback provides vision-language-action (VLA) policies with physical observations that can guide action selection and execution. However, differences in tasks, demonstrations, and control settings across existing systems hinder reliable comparisons of force integration designs. We introduce ForceBench, a simulation benchmark for evaluating six-axis wrist-force integration under a unified protocol. ForceBench combines eight tasks spanning physical-property inference, resistance-dependent interaction, and contact-rich assembly with 1,600 synchronized demonstrations and task-specific success criteria. We compare one no-force baseline and six force integration designs on a shared $π_{0.5}$ backbone. Prompt Fusion achieves the highest observed mean simulation success of 35.31%, compared with 23.25% for the baseline, and improves success rates across all three task categories. Predictive and temporal gains in simulation concentrate on physical-property inference, while both temporal designs underperform the baseline on assembly. Real-world evaluation of eight systems across five tasks supports the main qualitative trends: Prompt Fusion and Dual-Path Fusion achieve 63.00% mean success, compared with 40.00% for the baseline, but only Prompt Fusion improves every task. These findings support ForceBench's practical value for identifying the benefits and limitations of force integration across manipulation demands. The project page is available at https://forcebench-platform.github.io/.