BriefGPT - AI 论文速递 · 2025-03-04T00:00:00Z Reactive Diffusion Policy: Slow-Fast Visual-Tactile Policy Learning for Contact-Rich Manipulation 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究提出了一种慢速-快速视觉-触觉模仿学习算法（反应扩散策略，RDP），旨在提升机器人在复杂接触任务中的反应能力。实验结果表明，RDP显著增强了机器人对触觉和力反馈的响应能力，拓宽了其应用范围。 🏷️ 标签 diffusion 反应扩散策略 复杂任务 机器人 模仿学习 触觉反馈 阅读原文 生成长图 分享链接 已复制链接
