센서마다 다른 힘 단서
촉각 센서는 감지 원리와 재료, 형태가 달라 같은 학습 모델을 공유하기 어렵다. UniForce는 개별 센서의 영상 외관을 넘어 힘에 근거한 공통 공간을 배우려 한다.
두 방향의 모델링
영상에서 힘을 얻는 역방향과 힘에서 영상을 만드는 순방향을 함께 학습한다. 힘 평형과 이미지 복원 손실로 제약해 센서 간 분포 차이를 줄이는 구성이다.
정적 평형으로 자료 모으기
비싼 외부 힘 토크 센서에 의존하지 않도록 센서와 물체, 다른 센서의 직접 접촉을 이용한다. 정적 평형에 근거한 힘 대응을 수집하므로 그 물리적 조건을 고려해야 한다.
여러 센서와 조작
GelSight와 TacTip, uSkin 등에서 힘 추정과 전이를 평가하고 닦기 과제의 시각 촉각 언어 행동 모델에 활용했다. 인코더의 제로샷 전이와 전체 로봇 작업을 아무 준비 없이 수행한다는 주장은 구별해야 한다.
관련 문서
TaF-VLA / HTT와 HPT 촉각 학습 / TACROSS / Touch-to-Touch Translation / FARM 힘 인지 조작 / 촉각