22:59官方账号MIT CSAIL@MIT_CSAIL精选MIT CDFG Lab 与 Amazon Robotics 合作开发的 NeuralActuator 模型,通过建模执行器复杂行为,提升了低成本机械臂的实时控制精度。该模型支持无传感器的力感知和力反馈控制,在 RSS2026 上获 Outstanding Systems Paper Award。实验表明它能有效缩小仿真环境与真实世界的差距。AI模型NeuralActuatorMIT机器人推荐理由:MIT 搞了个 NeuralActuator,让廉价机械臂也能精确感知力度,不用额外传感器,还拿了 RSS2026 最佳论文。原文稍后读已读值得跟进有用关注 NeuralActuator
11:52官方账号arXiv cs.LG@Zhiyang Dou, John U. Onyemelukwe, Hangxing Zhang, Heng Zhang, Minghao Guo, Yunsheng Tian, Michal Piotr Lipiec, Joshua Jacob, Chao Liu, Peter Yichen Chen, Yuri Ivanov, Wojciech MatusikNeuralActuator 联合预测力矩替代、外力和电机状态,解决低成本机器人平台电流-力矩关系不可靠问题。研究引入 NAD 数据集,通过双臂遥测系统记录状态和外力标签。该模型在 OpenManipulator-X(5-DoF)、SO-101(6-DoF)和 Franka Emika Panda(7-DoF)上评估,平台成本从 500 美元到 3 万美元以上。低成本平台支持动力学和力评估,Franka 实验提供额外基准。作为预训练模块,NeuralActuator 可提升行为克隆性能。AI模型NeuralActuatorNAD力感知推荐理由:NeuralActuator 让几百块的机器人也能感知外力,不用额外传感器。它缩小了仿真和现实的差距,还能提升模仿学习效果。原文稍后读已读值得跟进有用关注 NeuralActuator