VE2VF：通过真实世界强化学习实现从视觉赋能到无视觉的蒸馏，用于鲁棒的接触密集操作

Victor Kowalski, Chengxi Li, Dongheui Lee

摘要

本文提出了一种人机交互强化学习框架，通过教师-学生蒸馏将视觉赋能策略的知识迁移到仅依赖位姿、扭转和力传感的无视觉学生策略中，在真实世界NIST装配基准板上实现了95%的成功率。该方法无需域随机化或数据增强，即可在约50分钟训练后鲁棒地泛化到8个未见任务变体。

reinforcement learningteacher-student distillationcontact-rich manipulationrobustnessreal-world training

MANIPULATION

📊 2 引用

Yusen Li, Ziwei Wang, Xiangye Zhu 等 12 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 1 引用

Shaoqing Qin, Lida Zhu, Yanpeng Hao 等 10 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Bo Li, Yuanbo Zhao, Huijie Xiao 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Hao Li, Yuhui Yu, Rui Fu 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026