PhyPush：一次推動即可實現無需感測器的物理屬性估計

近日，一篇提交至2026年IEEE/RSJ國際智慧機器人與系統會議（IROS）的論文提出了PhyPush框架，該框架利用物理引導的Transformer模型，僅透過單次推動的末端執行器速度即可估計物體的質量和摩擦係數，無需任何專用力/扭矩感測器。傳統的互動感知方法通常依賴力感測器、觸覺陣列或多相機運動捕捉系統，這限制了機器人的可擴充套件性和部署靈活性。PhyPush透過將牛頓第二定律和庫侖摩擦模型作為物理約束融入損失函式，使得模型能夠從標準機械臂可獲取的運動學資料中推斷物理屬性。在模擬實驗中，PhyPush相比能夠獲取完整力資訊的基線方法，誤差降低了10%以上；在真實世界實驗中，它也優於純資料驅動的損失方法。該工作由Koyo Fujii等人完成，展示了物理引導學習在機器人領域的重要潛力。透過僅利用一次推動和現成的運動學資料，PhyPush為低成本、高效率的物理屬性估計鋪平了道路，有望推動自適應機器人操控的廣泛應用。具體來說，PhyPush的架構基於Transformer，它從推動過程中記錄的一系列末端執行器速度編碼中提取特徵，然後透過物理引導損失約束來預測質量和摩擦係數。這種設計使得模型不僅能夠準確地估計已知物體的屬性，還能推廣到未見過的物體和表面條件。研究者們在多種模擬環境和真實機器人平臺上進行了驗證，包括不同材質、形狀和摩擦特性的物體。實驗結果顯示，即使在極具挑戰性的域外條件下，PhyPush仍能保持較高的估計精度。此外，該方法僅需標準的機器人控制介面即可獲取資料，無需昂貴的感測器硬體，從而降低了機器人系統的整體成本。這一突破性進展有望推動機器人技術在工業自動化和服務機器人領域的廣泛應用。