Aug 6, 2026 · VIDP
VIDP: Variable Impedance Diffusion Policy for Compliant Robot Manipulation from Diverse Demonstrations
VIDP（Variable Impedance Diffusion Policy）是一种基于模仿学习的可变阻抗控制框架，利用任务参数化的方向感知混合模型（TP-DAMM）从多样化演示中提取物理一致的轨迹分布，并将分布映射为刚度曲线，从而在没有力传感器的情况下联合预测位姿动作和任务顺应性。真实世界实验表明，VIDP 在任务成功率上显著优于固定阻抗基线，并相对于高刚度控制器降低了交互力。
EVENT STORY
Development
- First ReportVIDP: Variable Impedance Diffusion Policy for Compliant Robot Manipulation from Diverse DemonstrationsarXiv cs.RO
- Current Assessment该研究展示了从演示中学习可变阻抗技能的可行性，可能推动机器人操作在接触丰富场景中的应用，减少对力传感器的依赖，降低系统复杂性和成本。Agent Pulse · analysis
接触丰富的操作任务需要精确跟踪和机械顺应性，可变阻抗控制能提高任务鲁棒性，而静态顺应性无法适应变化的接触约束。现有方法从轨迹变化推断顺应性，但这些变化可能反映几何适应而非有意顺应。VIDP 通过 TP-DAMM 提取物理一致的轨迹分布，映射为刚度曲线，实现无力传感器的可变阻抗控制。实验显示 VIDP 在任务成功率上显著优于固定阻抗基线，并降低交互力。
VIDP 的核心创新在于利用 TP-DAMM 从多样化演示中提取物理一致的轨迹分布，并将分布映射为刚度曲线，从而在没有力传感器的情况下实现可变阻抗控制。这解决了顺应性作为隐藏变量的问题，避免了复杂建模。
该研究展示了从演示中学习可变阻抗技能的可行性，可能推动机器人操作在接触丰富场景中的应用，减少对力传感器的依赖，降低系统复杂性和成本。
VIDP 可能降低机器人操作系统的传感器成本，提高任务成功率，对机器人制造商和自动化解决方案提供商具有商业价值。
未来可探索将 VIDP 扩展到更复杂的接触任务，并验证其在真实生产环境中的鲁棒性。可验证的下一信号是 VIDP 在更多真实世界任务中的成功率和交互力数据。