言語空間に接地した力覚事前学習による外在接触知覚

- 把机器人抓取物体与环境接触/接触变化（extrinsic contact）的感知问题，作为 bilateral six-axis force/torque 历史的可复用表征学习来处理的研究。 - 核心主张：通过将 force/torque 历史与冻结的语言空间对齐，可以预训练出语义结构化的物理状态表征。 - 监督信号来自模拟的 pick-and-place 交互，而非人工标注。 - 覆盖三类下游用途：文本原型读出（action、object weight、grasp interaction）、真实环境中的 contact/support-state 识别、connector insertion 的适配学习。

- 先行研究多依赖 vision 或局部 contact geometry，但 extrinsic contact 并非总能直接观测；本文明确把 force/torque 作为信息源。 - 难点在于 force/torque 会随 object weight、grasp configuration、robot motion 变化，能否形成可复用表征此前不明确；本文给出肯定性证据。 - 与依赖垂直力符号反转规则的 baseline 相比，真实 placement 中无需更新 encoder 即实现 contact/support-state 识别并取得更优表现。 - 对 pretraining 中未出现的 connector insertion，low-rank adaptation 比 from scratch 更 data-efficient。

- 使用 bilateral six-axis force/torque histories 作为输入模态。 - 用模拟 pick-and-place 交互自动生成监督，将 force/torque 表征与 frozen language space 对齐，形成语义结构化物理表征。 - 下游以 text-prototype readout 方式读出 robot action、object weight、grasp interaction。 - 真实环境用 unlabeled calibration 做 contact/support-state 识别，encoder 不更新。 - 新事件（connector insertion）采用 low-rank adaptation 进行参数高效适配。

- 模拟中在 unseen objects 上验证 text-prototype readout 可读出 robot action、object weight、grasp interaction。 - 真实世界 placement 中，用 unlabeled calibration 验证 contact 与 support-state 识别，并与 vertical-force sign-reversal rule baseline 比较，表现更优。 - connector insertion（pretraining 中不存在的事件）上，比较 low-rank adaptation 与 training from scratch 的 data efficiency。 - 具体数据集规模、成功率数值等细节：要旨からは不明。

- 表明 force/torque histories 既能直接读出已知物理状态，也能高效适配新的 extrinsic-contact 事件。 - 局限与边界条件（如跨 embodiment、跨传感器、真实噪声与标定误差的影响）在要旨中未展开：要旨からは不明。 - 为何 language alignment 能带来语义结构、以及表征中哪些因素被解耦，要旨未给出分析：要旨からは不明。 - 与 vision 或 contact geometry 的融合效果未提及：要旨からは不明。

- 要旨で直接参照/比較されているのは vertical-force sign-reversal rule baseline、low-rank adaptation、training from scratch。 - 関連手法として、frozen language space への alignment を用いる vision-language pretraining 系（例：CLIP 型の対照学習）や、robot learning における parameter-efficient adaptation（LoRA 系）を次に読む候補として挙げる。 - force/torque を用いた contact perception の従来研究（extrinsic contact estimation 系）も比較対象として読む価値がある。