面向复杂环境的机器人触觉感知算法研究综述OA

为应对复杂环境挑战并提升机器人触觉感知精度与鲁棒性,本文系统综述了近5年基于机器学习、深度学习和强化学习的典型算法,涵盖卷积神经网络(convolutional neural network,CNN)、图神经网络(graph neural network,GNN)、长短期记忆网络(long short-term memory network,LSTM)、多模态融合与主动探索。结果表明,现有方法针对噪声、非规则接触、动态时序等复杂特性已取得显著进展且各具专长,但仍面临数据稀疏、公开数据集不足、跨模态弱对齐及仿真迁移困难等共性瓶颈。结论可为低监督学习、标准数据集构建、统一多模态建模及高保真迁移研究提供参考。