本文介绍了一种基于物体为中心示范实现的，用于训练软机械手进行熟练操作的方法，该方法使用增强学习技术，提出了一种新的算法，允许我们混合和选择最可行的示范来学习在硬件上模仿。最后，我们将这种方法应用于RBO Hand 2上，并获得了开/关阀门，滑珠和抓取等任务的良好表现。

Mar, 2016

本文提出了一种基于视觉的程序自由编程的方法，利用强化学习实现复杂多指手势下的实物操作，无需手动建模或奖励工程。

Dec, 2022

我们提出了一种低成本的系统，该系统可以直接从真实演示中进行端到端模仿学习，以学习在现实世界中执行精细操作任务的方法。

Apr, 2023

提出在商用虚拟现实界面下对工业机器人进行远程操作的问题，为此，提出了一个简化的过滤方法来处理命令信号，以便在熟练掌握虚拟现实界面的情况下对工业机器人进行远程操作，这一方法已在多种接触丰富的操作任务中得到了证明

May, 2023

本文提出了一种基于学习示范的框架，将力传感和运动信息相结合，估计出完整的刚度矩阵，并使用非参数方法创建模型，从而实现了机器人对人类示范任务的复制，并通过特定状态下的刚度剖面对新任务做出适当响应，并提出了一种新型的基于水箱的可变阻抗控制方法来确保无损耗，在两个虚拟变刚度系统上进行了评估，结果表明，与传统方法相比，该方法具有更高的鲁棒性和易于实现。

Jun, 2023

我们提出了一种无需力传感器训练的强化学习策略来实现直接力控制，展示了在四足机器人整体控制平台上通过变化的整体柔顺度实现的重力补偿和阻抗控制，使得人类通过操纵器件即可直观地远程操作机器人，从而实现多样化的运动与操纵任务，为四足机器人提供了学习整体力控制的首次实际部署，为更具多功能和适应性的四足机器人铺平了道路。

May, 2024

Bunny-VisionPro是一种实时的双手熟练远程操作系统，利用虚拟现实头盔并设计了新颖的低成本设备为操作员提供触觉反馈，以提高沉浸感。该系统通过创新设计结合碰撞和奇异避免以保证安全，并在保持实时性能的同时，优于之前的系统在标准任务套件上取得更高的成功率和减少的任务完成时间。此外，高质量的远程操作演示提高了下游的模仿学习性能，提高了泛化能力。值得注意的是，Bunny-VisionPro能够实现具有挑战性的多阶段、长期视野的熟练操纵任务的模仿学习，这在之前的研究中很少有人涉及。该系统在同时处理双手操作、优先考虑安全和实时性能方面的能力使其成为推动熟练操纵和模仿学习的强大工具。

Jul, 2024

本研究解决了在复杂接触操作任务中，单靠视觉信息不足以充分理解演示的问题。通过引入触觉和力-扭矩信息，提出了一种新的在上下文学习框架，增强了大型语言模型生成新任务情景的规划能力。实验表明，该框架显著提升了多模态演示的理解和规划性能，为实际机器人操作提供了更有效的支持。

Sep, 2024

本研究针对机器人在接触密集和动态环境中缺乏人类灵活性的问题，提出了一种名为DIPCOM的扩散策略框架，用于顺应控制任务。通过多模态分布建模和生成扩散模型，该方法有效提高了机器人在任务中的力控制能力，并在真实任务中验证了其有效性。

Oct, 2024

本研究解决了机器人在精细操控中的多模态感知能力不足的问题。通过引入3D-ViTac系统，将触觉与视觉数据结合到统一的三维表示空间，并应用于模仿学习，实现了低成本机器人在执行与脆弱物品的安全交互及长时间任务中的显著性能提升。该工作为机器人的精细操控能力开辟了新的方向。

Oct, 2024