EG
Diagrama del framework NEXT mostrando el método de Estimación Neural de Par Externo para brazos robóticos sin sensores de fuerza dedicados
ResearchJune 15, 2026Embodied Global Team

CMU FACTR 2: Aprendizaje de Detección de Fuerza Externa para Brazos Robóticos Mejora el Aprendizaje de Políticas en un 17%

Investigadores de CMU presentan FACTR 2 con NEXT, un método que estima pares externos sin sensores de fuerza dedicados, entrenando en 1 minuto desde solo 10 minutos de datos, mejorando el aprendizaje de políticas en más del 17%.

#CMU#Force Sensing#Robotic Manipulation#Behavior Cloning#FACTR 2#Policy Learning
Reading in Spanish

Investigadores de la Universidad Carnegie Mellon (CMU) y la Universidad de Waseda han presentado FACTR 2, con dos innovaciones clave — NEXT (Estimación Neural de Par Externo) y FIRST (Re-Muestreo Informado por Fuerza) — que aportan capacidades conscientes de fuerza a brazos robóticos comerciales sin hardware adicional.

Las tareas de manipulación que requieren contacto necesitan sensibilidad a la fuerza, pero la mayoría de los brazos robóticos carecen de sensores de fuerza dedicados debido a su alto costo. NEXT es un método basado en datos que estima pares externos usando solo información del estado de las articulaciones, requiriendo solo 10 minutos de recolección de datos y 1 minuto de entrenamiento.

FIRST mejora la clonación de comportamiento re-muestreando la distribución del lote de entrenamiento para aumentar las fases de pre-contacto y contacto. En cinco tareas de manipulación de largo horizonte, FIRST supera a políticas previas conscientes de fuerza en más del 17% en progreso de la tarea.

Este trabajo tiene implicaciones significativas para democratizar la robótica consciente de fuerza, llevando capacidades de teleoperación con retroalimentación de fuerza a brazos robóticos comerciales sin sensores dedicados costosos.

Language: Spanish- Showing content in Spanish