斯坦福机器人讲座 | 2025年秋季 | 通用柔顺机器人交互
本讲座涵盖： • 通过可扩展的F/T传感实现通用柔性机器人交互 • CoinFT，一种硬币大小、坚固且价格合理的6轴力/力矩传感器 • UMI-FT，一种手持多模态数据采集平台，结合视觉和手指级力传感 **视频 AI 总结**：该视频介绍了斯坦福大学 Hojeong 博士在机器人触觉传感与顺应性交互方面的研究。核心贡献包括开发了一种低成本、紧凑、坚固的六轴力扭矩传感器 CoinFT（Coin大小，成本低于 10 美元），以及结合大规模演示学习平台 Umi 和该传感器形成的 UmiFT 系统，使机器人能够从人类演示中学习顺应性操作（如擦拭白板、插入灯泡等），显著提升机器人处理接触丰富任务的能力。 **主要内容**： - CoinFT 传感器：采用电容式原理，两个 PCB 板加硅胶柱层设计，尺寸如美元Coin，重量仅 2 克，成本低，坚固耐用（可承受锤击），精度接近昂贵商业传感器（如 ATI）。 - CoinFT 的应用：可集成到无人机、可穿戴触觉设备、多指灵巧手上，实现力控交互，如无人机传感器部署、机器人手部精细操作（如拔电池）。 - UmiFT 系统：基于 Umi 手持设备（iPhone+GoPro），在手指处集成 CoinFT，同时采集视觉、深度、位姿和指尖六轴力数据，用于训练自适应顺应策略（ACP）。 - 实验验证：在擦拭白板、插入灯泡、插签等任务中，UmiFT 策略相比无力信息或仅有接触麦克风的基线，成功率大幅提升，能自适应调节抓取力和接触力。 - 未来方向：推广低成本力传感器到更多机器人平台，并探索利用现有大规模视觉数据结合触觉信息的方法（如微调大模型或残差策略）。 关于斯坦福大学研究生课程的更多信息，请访问：https://online.stanford.edu/graduate-education 2025年10月24日 Hojung Choi 斯坦福大学博士后