TacUMI(多模态事件分割)

TacUMI(多模态事件分割)

本页只指 Cheng 等人 arXiv:2601.14550/ICRA 2026 的 TacUMI:一套把力/力矩、视觉触觉、双手位姿与固定 RGB-D 对齐,用于双臂线缆安装事件分割的人类示范接口。它没有训练或部署机器人操控策略,不能用同名项目的 Diffusion Policy 或 π0.5 结果补足。

非对称双手硬件

位置 设备与频率 在任务中的作用
右手 TacUMI Bota SensONE 6D F/T 1000Hz + HTC Vive Tracker 6DoF 60Hz 引导线缆,记录 wrench 与腕位姿
左手 modified UMI GelSight Mini 视觉触觉 16.67Hz + Vive Tracker 60Hz 管理张力、放置和插入,记录触觉与腕位姿
环境 固定 Intel RealSense D435i 第三视角 RGB-D 60Hz 记录任务视觉上下文

两手装置都有连续自锁齿条齿轮夹爪,但不是每只手都同时拥有 F/T 与触觉。论文没有报告 Vive 代际、base-station 配置、tracker 精度、标定细节、整机重量、完整成本、夹持力量程或供电。

同步、表示与任务数据

它训练的是离线分割器,不是控制策略

论文训练 BiLSTM、TCN 与 Transformer 识别五类接触事件。触觉、F/T、RGB 与 pose 都是真实的分割模型输入;没有 manipulation-policy action、机器人 rollout 成功率或从手持示范训练控制器的实验。

所谓 cross-platform validation 是把手持数据训练的分割器测试在另采的双 Franka 遥操作数据上:机器人数据由 sigma.7 触觉设备遥操作,一臂腕部 F/T,另一臂指尖 tactile,pose 来自机器人本体。它支持“事件表征可跨采集平台测试”,不支持策略跨本体迁移。

BiLSTM 是双向模型,会使用未来帧,结果属于离线/非因果分割,不能直接解释为实时控制信号。

数据与模型组合 accuracy F1 MCC
手持,BiLSTM camera-only .7608 .7217 .3180
手持,BiLSTM 全模态 .9402 .8945 .7596
机器人,BiLSTM camera-only .2288 .1820 .2227
机器人,BiLSTM camera+tactile+F/T .9155 .8793 .8092
机器人,BiLSTM 全模态 .9104 .7262 .7796

机器人数据中加入 pose 后没有超过 camera+tactile+F/T;camera-only 又从手持.7608降到机器人.2288,暴露明显域差。不能概括成“每种新增模态稳定有益”。released 只持续2–5帧,也是最难分类事件之一。

作者称同任务遥操作平均4分钟、手持1分10秒,名义约3.43倍;未给计时样本数、方差、硬件/人工成本或设置时间,不能当作稳定吞吐 benchmark。

开放物、许可与独立证据

同名边界

TouchGuide 论文中的另一套 TacUMI、RAIDS666/TacUMI 数据集与 yuchen-ji/tacumi 由不同团队构建,硬件、任务、数据和策略链也不同。它们与本系统的同名关系已登记为 TacUMI 同名冲突;TouchGuide 的独立系统节点为 TouchGuide。名称相同不能建立版本、官方下游或许可继承关系。

相关页面

证据