是什么让接触丰富的任务变得困难

富含接触的操作——插入、拧紧、抛光、钉孔、电缆布线——涉及机器人和物体之间持续的、力敏感的接触。 微小的位置误差会导致卡住或用力过大。 接触动力学是不连续的，难以准确模拟，并且对几何公差高度敏感。

经典方法与学习方法

经典方法使用具有螺旋搜索模式和力阈值的阻抗控制。 它们对于已知的几何形状可靠地工作，但需要大量的每个任务调整。 学习方法（行为克隆、带有力观察的强化学习）可以处理更多变化，但需要具有力-扭矩传感的高质量演示数据。 目前最好的结果将两者结合起来：使用学习进行高级策略，使用经典控制进行低级力调节。

联系任务的数据收集

记录力-扭矩数据以及目视观察至关重要。 使用领导者-跟随者远程操作来实现直观的力传输。 过滤操作员施加过大矫正力的演示。 SVRC 的 OpenArm 与 PaXini 触觉传感器提供了接触丰富的数据收集所需的传感器套件。