北京
亞馬遜與密歇根大學的研究人員共同開發了一種名為HydroShear的新型仿真系統，旨在讓機器人獲得更真實的觸覺感知能力，從而顯著提升其在復雜任務中的操作精度。
核心技術突破
HydroShear的關鍵創新在于將路徑依賴力追蹤機制引入液彈性接觸模型中。這一方法能夠準確模擬觸覺力的變化過程，使機器人在仿真環境中學習靈巧操作策略時，觸覺反饋更貼近真實物理世界的表現。
傳統仿真模型在處理接觸力時往往忽略力的歷史路徑信息，導致模擬結果與現實存在較大偏差。HydroShear通過引入路徑依賴機制，有效彌補了這一不足，使仿真訓練的可靠性大幅提升。
出色的實驗表現
研究團隊在配備GelSight Mini觸覺傳感器的Franka機器人上對該系統進行了實際部署測試。在四項具有挑戰性的操作任務中，HydroShear的平均成功率高達93%，遠超現有基準系統TacSL（34%）和FOTS（58%至61%）。
這一結果充分驗證了HydroShear在仿真到現實遷移方面的強大能力，證明在仿真環境中訓練的策略能夠有效應用于真實機器人場景。
大幅降低現實數據依賴
HydroShear的另一重要優勢在于支持大規模、高效率的策略訓練。由于整個訓練過程主要在仿真環境中完成，研究人員可以在短時間內生成海量訓練數據，顯著減少對真實世界數據采集的依賴，同時大幅降低機器人在現實環境中反復試錯所帶來的成本與風險。
這一特性對于機器人技術的實際落地具有重要意義，尤其在工業制造、精密裝配等需要高度靈巧操作的場景中，有望加速機器人系統的訓練與部署效率。
Q&A
Q1：HydroShear是什么技術？它解決了什么問題？
A：HydroShear是由亞馬遜與密歇根大學共同開發的機器人觸覺仿真系統。它通過在液彈性接觸模型中引入路徑依賴力追蹤機制，解決了傳統仿真模型無法準確模擬觸覺力的問題，使機器人能夠在仿真環境中學習更貼近真實世界的靈巧操作策略。
Q2：HydroShear在真實機器人上的表現如何？
A：HydroShear在配備GelSight Mini觸覺傳感器的Franka機器人上進行了測試，在四項挑戰性任務中平均成功率達到93%，而對比基準系統TacSL的成功率僅為34%，FOTS的成功率為58%至61%，HydroShear的表現大幅領先。
Q3：HydroShear能減少機器人訓練對真實數據的依賴嗎？
A：可以。HydroShear支持在仿真環境中進行大規模、高效率的策略訓練，能夠快速生成海量訓練數據，顯著減少真實世界數據采集的需求，同時降低機器人在現實中反復試錯的成本，有助于加速機器人系統的實際部署。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
