內含報名地址

原標題：線上分享| 面向機器人學習的數據高效觸覺表征
文章來源：HyperAI超神經
內容字數：1941字

新銳論前沿第四期：數據高效觸覺表征在機器人學習中的應用

由具身觸覺主辦、HyperAI超神經協辦的“新銳論前沿”第四期線上分享活動將于12月18日（周三）20:30舉行，特邀普渡大學三年級博士生徐政通進行主題分享。本次活動將圍繞“面向機器人學習的數據高效觸覺表征”展開，并提供豐厚獎品。

1. 活動概覽

本次活動邀請到普渡大學三年級博士生徐政通，他將分享其在機器人學習與觸覺感知領域的研究成果。活動將通過線上直播的方式進行，參與者可以通過掃描二維名參加。活動還設置了抽獎環節，參與者有機會獲得由OpenBayes貝式計算贊助的60小時NVIDIA RTX 4090算力資源使用權，價值160元。

2. 嘉賓介紹：徐政通博士

徐政通，普渡大學三年級博士生，師從佘宇教授，研究方向為機器人學習與觸覺感知。他在華中科技大學獲得學士學位，并獲得國家獎學金。博士期間，他榮獲普渡大學Dr. Theodore J. and Isabel M. Williams fellowship。個人主頁：https://zhengtongxu.github.io/website/

3. 分享內容：基于GelSight的數據高效觸覺表征

徐政通博士的分享將重點介紹其將GelSight應用于端到端機器人學習的兩項研究工作：LeTac-MPC和UniT。他將探討如何利用GelSight的獨特特性，即其主要展示接觸物體的幾何特征和接觸信息，且顏色分布相對緊湊，從而實現數據高效的觸覺表征學習。

GelSight觸覺圖像與傳統視覺圖像存在顯著差異，這為數據高效的觸覺表征學習提供了可能性，減少了對繁瑣數據采集過程的依賴。 研究中，他將重點闡述如何通過簡單物體集的小樣本學習，獲得可泛化的觸覺表征，并將其應用于感知、控制和策略學習等下游任務。

4. 兩項核心研究工作

LeTac-MPC：這項研究從傳統控制方法出發，通過學習物理驅動的觸覺表征，并設計可微分的模型預測控制器，實現能夠泛化到廣泛日常物體的響應式抓取。

UniT：這項研究探討如何通過少量單一物體的數據學習出能夠泛化至廣泛未見物體的觸覺表征，并利用這種數據高效的觸覺表征來促進下游任務中的感知與策略學習。

5. 活動總結

本次“新銳論前沿”線上分享活動將為參與者帶來關于數據高效觸覺表征在機器人學習中的最新研究成果，并提供寶貴的學習和交流機會。 通過學習徐政通博士的研究工作，我們可以深入了解如何利用GelSight技術提升機器人觸覺感知能力，并推動機器人技術在更多領域的應用。

聯系作者

文章來源：HyperAI超神經
作者微信：
作者簡介：解構技術先進性與普適性，報道更前沿的 AIforScience 案例