FP2：为机器人基础模型配备力控制

机器人基础模型 (RFM) 的通用操作能力越来越强，但在接触丰富的环境中，可靠的物理交互仍然具有挑战性。我们推出了 FP2，一种轻量级下游接口，为任务适应 RFM 配备显式力控制，同时保留其动作生成能力。 FP2采用动作调节分解：任务自适应RFM作为负责任务级动作生成的基础策略，而高频力控制策略仅专注于交互调节。为了对正在进行的操作进行力调节，FP2 压缩了基础策略上下文表示，并将其与扳手和本体感受历史相结合，以预测结构化的力控制参数。我们使用四个 RFM 主干在四个现实世界接触丰富的操作任务中评估 FP2。 FP2 相对于相应的基础策略不断提高任务绩效和力调节质量，同时与代表性的力感知和力控制基线进行比较。消融进一步表明，基础政策背景和物理反馈对于有效的力量调节是互补的，同时保留基础政策行动的生成可以提高效率和新对象泛化。项目网址：http://force-policy.github.io/fp2