热点事件持续更新
FDN实现无传感器力/力矩估计
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG发布研究，提出频率感知分解网络（FDN），仅凭机器人本体感知即可多步预测振动丰富的力/力矩，无需力/力矩传感器或已辨识的机器人模型。在6-DoF液压机械臂打磨数据上，FDN将高频振幅误差较基线最多降低47%，并在单CPU线程上11 ms内估计1,000 ms时域。消融实验支持其设计选择；从开源日常操作数据集迁移力/力矩动力学可降低低频误差8%，但高频动力学呈现领域特异性。
AI 根据报道生成 · 2 小时前更新
最新进展10月3日 12:00
FDN在液压机械臂打磨数据上高频振幅误差最多降低47%。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）FDN：面向振动丰富机器人接触的无传感器力/力矩估计频率感知分解网络
研究者提出频率感知分解网络（FDN），仅凭机器人本体感知即可多步预测振动丰富的力/力矩，无需力/力矩传感器或已辨识的机器人模型。在6-DoF液压机械臂打磨数据上，FDN将高频振幅误差较基线最多降低47%，并在单CPU线程上11 ms内估计1,000 ms时域。消融实验支持其设计选择，从开源日常操作数据集迁移力/力矩动力学可降低低频误差8%，但高频动力学呈现领域特异性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。