OmniVIC：视觉语言上下文学习的自适应阻抗控制器

2026年10月30日，arXiv Robotics 刊出 Heng Zhang 等作者的论文，提出 OmniVIC——一种由视觉语言模型增强的通用可变阻抗控制器，面向接触密集的机器人操作任务，目标是提升安全性与适应性。据该报道，OmniVIC 通过自改进的 RAG 与上下文学习，从结构化记忆库检索过往经验，为任务生成自适应阻抗参数，并结合实时力/力矩反馈把交互力控制在安全阈值内。报道称，在仿真与真实机器人任务上，其平均成功率由基线的 27% 提升至 61.4%，同时减少了力违规。目前该事件仅有这一篇主报道，尚无跟进报道，也未出现数字、时间或说法上的前后矛盾；上述成功率与力违规改善均为论文作者在报道中的陈述。

AI 根据报道生成 · 3 小时前更新