CW-WAM: A Structured Contact-Wrench World Action Model for Force-Sensitive Manipulation
CW-WAM 在世界动作模型中联合预测视频、运动与接触力矩,采用成对因果注意力机制结构化运动-力矩依赖,并通过长固定长度力矩记忆保留历史交互信息;预测力矩作为 20Hz 外环导纳控制器的力参考,构成慢-快控制系统。 相比无力矩输入的 WAM 基线,CW-WAM 将方榫插入成功率从 25% 提升至 70%,电源适配器插入成功率从 40% 提升至 95%;在成功执行中,预测力矩反馈使榫插入力跟踪 RMSE 从 4.8N 降至 2.7N,擦白板任务从 2.0N 降至 1.3N。
展开解读与证据
CW-WAM 在世界动作模型中联合预测视频、运动与接触力矩,采用成对因果注意力机制结构化运动-力矩依赖,并通过长固定长度力矩记忆保留历史交互信息;预测力矩作为 20Hz 外环导纳控制器的力参考,构成慢-快控制系统。 相比无力矩输入的 WAM 基线,CW-WAM 将方榫插入成功率从 25% 提升至 70%,电源适配器插入成功率从 40% 提升至 95%;在成功执行中,预测力矩反馈使榫插入力跟踪 RMSE 从 4.8N 降至 2.7N,擦白板任务从 2.0N 降至 1.3N。
为什么值得关注
CW-WAM 在世界动作模型中联合预测视频、运动与接触力矩,采用成对因果注意力机制结构化运动-力矩依赖,并通过长固定长度力矩记忆保留历史交互信息;预测力矩作为 20Hz 外环导纳控制器的力参考,构成慢-快控制系统。
研究问题
力敏感操作需要接触与负载信息,但视觉观测无法显式提供;纯视觉世界动作模型在紧密装配或负载变化任务中易因缺乏力反馈而导致卡阻或失败。
方法原理
CW-WAM 在世界动作模型中联合预测视频、运动与接触力矩,采用成对因果注意力机制结构化运动-力矩依赖,并通过长固定长度力矩记忆保留历史交互信息;预测力矩作为 20Hz 外环导纳控制器的力参考,构成慢-快控制系统。
结果与证据
相比无力矩输入的 WAM 基线,CW-WAM 将方榫插入成功率从 25% 提升至 70%,电源适配器插入成功率从 40% 提升至 95%;在成功执行中,预测力矩反馈使榫插入力跟踪 RMSE 从 4.8N 降至 2.7N,擦白板任务从 2.0N 降至 1.3N。
阅读边界
评估覆盖四个真机任务(方榫插入、电源适配器插入、白板擦拭、负重举升),使用手动调节的反馈增益与预定义顺应方向;四步模型查询耗时约 0.5–0.6 秒,导纳校正以 20Hz 运行,关节阻抗控制器以 1kHz 跟踪。 依据本次返回的正文节选整理,未核验未返回的章节、附录或独立复现。
评论 · —
昵称自填。评论会展示给其他读者,请勿填写私人信息。
正在读取评论…