内容摘要
插销入孔、把书插进书架或拉动受扰动的抽屉时，机器人需要利用指尖触觉判断接触和滑动。作者提出HydroShear，针对触觉图像仿真重外观、轻受力的问题，改为模拟剪切如何随接触历史累积，以及黏着到滑动的转换，用于在仿真中训练强化学习控制策略，再迁移到真机。
方法用有符号距离函数表示物体几何，跟踪物体表面点相对传感器软膜的运动，覆盖三维平移和旋转，而非仅考虑平面运动。策略全部在Isaac Gym中训练，部署时无需修改或微调；但仿真模型仍需用真实传感器数据标定。
作者在配有双GelSight Mini视觉式触觉传感器的Franka Panda上测试插销、装箱、书籍上架和拉抽屉，每项30次。HydroShear合计成功112/120次，摘要报告平均成功率93%；触觉灰度图像基线为41/120次，作者改进重实现的FOTS触觉仿真基线为73/120次。这些是论文内各任务分别训练策略的比较，不代表单一策略掌握全部任务。
适用条件也有限：当前模型假设传感器软膜平坦，并依赖底层物理引擎支持穿透式接触仿真。
点评
对触觉控制开发者，这项工作提供了以接触历史和滑移建模改进仿真到真机迁移的路线；工程接入需同时考虑真实数据标定与底层接触模型。
证据为作者论文实验，不应视为独立复现。当前结论限于文中任务与传感器设置；其他触觉传感器未评估，可变形物体可能需要替代几何表示。
版本与核查范围
版本 2603.00446v2 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 h1[1]；figcaption[4]；#abstract1.1；#S1.p3.1；#S3.SS2.p1.1；#S3.SS4.p1.1；#S3.SS3.p1.1；#S4.SS2.p1.1；#S4.T2.2.1；#abstract1.1；#S4.SS2.p8.1；#S4.SS2.p7.1