斯坦福机器人讲座 | 2025年秋季 | 通用柔顺机器人交互

54次播放
2026-07-21

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