FEEL：本体感知手指外力估计方法
热点事件持续更新
FEEL：本体感知手指外力估计方法
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月30日，arXiv Robotics 报道了 Junha Cha 等作者提出的 FEEL（Finger External-Force Estimation from Proprioceptive SignaLs），一种不确定性感知的残差方法，仅凭本体感知历史估计每根手指的外力大小，部署时无需专用接触传感器。报道称，在十指、0–20 N 接触力范围内，其平均 RMSE 为 0.251 N，较虚拟弹簧方法降低 92.8%，较端到端 MDN 降低 9.4%；在箱体抓取放置任务中，力自适应将任务成功率保持在 10/10，并将无损伤结果与可靠性从 7/10 提升至 10/10。上述数字与结论均来自该篇报道，尚无后续跟进报道对结果进行独立验证或修正。
AI 根据报道生成 · 3 小时前更新
最新进展10月30日 12:00
FEEL：基于本体感知信号的手指外力估计，实现可靠箱体操作报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv RoboticsFEEL：基于本体感知信号的手指外力估计，实现可靠箱体操作
FEEL 是一种不确定性感知的残差方法，仅凭本体感知历史估计每根手指的外力大小，部署时无需专用接触传感器。在十指、0-20 N 接触力范围内，其平均 RMSE 为 0.251 N，较虚拟弹簧方法降低 92.8%，较端到端 MDN 降低 9.4%。在箱体抓取放置任务中，力自适应将任务成功率保持在 10/10，并将无损伤结果与可靠性从 7/10 提升至 10/10。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月30日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。