FOMI: A Force-Feedback Manipulation Interface for Teaching Contact-Rich Manipulation

📄 arXiv: 2610.19839v1 📥 PDF

作者: Yishu Shen, Yiming Luo, Ruilin Wang, Bowen Yang, Shuai Yang, Fangyi Xu, Yujun Shen, Fu Zhang, Boyu Zhou, Yinghao Xu

分类: cs.RO

发布日期: 2026-10-14

💡 一句话要点

提出FOMI以解决接触丰富操作反馈不足问题

🎯 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)

关键词: 力反馈 手持接口 接触丰富操作 机器人操作 人机交互 演示收集 实时调整

📋 核心要点

  1. 现有手持接口在收集接触丰富演示时，力反馈直观性不足，导致操作员难以进行有效的演示。
  2. FOMI通过剪刀形机制实现了直接的力反馈，支持操作员在无机器人环境下进行实时动作调整。
  3. 实验结果表明，FOMI在无机器人收集和远程操作中分别提高了约29%和18%的效率，显著提升了成功率。

📝 摘要（中文）

本文提出了一种名为FOMI的力反馈操作接口，旨在解决现有手持接口在接触丰富演示收集中的反馈不足问题。FOMI采用剪刀形机制，通过驱动链接将物体交互力直接传递到操作员的手中，无需力传感器。这种直观的力反馈支持在无机器人收集接触丰富演示时的实时动作调整。此外，FOMI还构建了一个演示收集系统，集成了传感器校准、数据采集和同步功能。通过将FOMI的姿态变化和夹持器开合映射到机器人末端执行器的姿态和夹持器命令，该系统还支持远程操作。在四个接触丰富任务中，FOMI在无机器人收集和远程操作中分别提高了约29%和18%的收集效率。

🔬 方法详解

问题定义：本文旨在解决现有手持接口在接触丰富操作中缺乏直观力反馈的问题，导致人类操作员在演示收集时面临挑战。

核心思路：FOMI的设计核心在于通过剪刀形机制将物体交互力直接传递到操作员的手中，从而实现直观的力反馈，支持实时动作调整。

技术框架：FOMI的整体架构包括力反馈机制、演示收集系统、传感器校准、数据采集和同步模块。通过这些模块的协同工作，FOMI能够有效地收集接触丰富的演示数据。

关键创新：FOMI的主要创新在于其剪刀形机制的设计，使得力反馈无需依赖传统的力传感器，从而提高了反馈的实时性和直观性。

关键设计：FOMI的设计中，关键参数包括驱动链接的布局和力传递的效率，确保操作员能够感知到真实的物体交互力。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，FOMI在无机器人收集接触丰富演示时的效率提升约29%，在远程操作中提升约18%。这些数据表明，FOMI显著提高了演示收集的效率和成功率，为复杂操作任务的实现提供了有力支持。

🎯 应用场景

FOMI的研究成果在机器人操作、虚拟现实和人机交互等领域具有广泛的应用潜力。通过提供更直观的力反馈，FOMI能够提升人类与机器人协作的效率，促进复杂任务的成功执行，未来可能在教育、医疗和工业自动化等场景中发挥重要作用。

📄 摘要（原文）

Robot-free collection with handheld interfaces enables scalable acquisition of human demonstrations for policy learning. However, existing handheld interfaces often provide limited intuitive force feedback, making contact-rich demonstration collection challenging for human operators. To address this, we present FOMI, a force-feedback manipulation interface with a scissor-shaped mechanism, which transmits object interaction forces directly to the operator's hands through actuation links without force sensors. This intuitive force feedback supports real-time action adjustment during robot-free collection of contact-rich demonstrations. Around FOMI, we build a demonstration collection system that integrates sensor calibration, data acquisition, and synchronization for robot-free collection. By further mapping pose changes and gripper opening of FOMI to robot end-effector poses and gripper commands, the system also supports teleoperation. Across four contact-rich tasks, FOMI improves collection efficiency by approximately 29% and 18% over the best baselines in robot-free collection and teleoperation, respectively. Demonstrations collected with FOMI in both modes enable policies to perform challenging contact-rich manipulation tasks with high success rates.