推文

@kafkaup · 2026-10-14 06:45

📄 PEARS: Physical-Prior-Guided Efficient Adaptation via Failure Reasoning and Diffusion Steering for Tactile Manipulation 概述：PEARS是一种混合强化学习框架，结合视觉语言模型的物理先验推理与扩散式潜噪引导，实现触觉操作预训练策略的高效在线自适应，从而减少真实世界交互次数。 核心贡献：该论文提出物理引导力推理模块，利用视觉语言模型编码的物理先验，在每轮操作后根据视觉结果与触觉交互历史诊断失败原因并更新合适的接触力边界。 实验结果：据作者报告，PEARS在仿真中相较最强基线将成功率提升12.4至37.4个百分点，所需交互轮次最多减少53.2%；在真实实验中，擦白板任务成功率为95%，移液吸取任务成功率为90%，上述数据均为作者自述，未经独立验证。

曝光 80 · 评论 1 · 点赞 0 · 书签 0 · 曝光/时 38.94131570675431