Soft manipulation专业
JFM学习分辨率一致的雅可比场,提升刚软耦合手指运动预测
这是一篇预印本,未经同行评审。研究人员提出 Jacobian Flow Matching (JFM) 框架,基于 Conditional Flow Matching 学习腱驱动刚软耦合手指的分辨率一致雅可比场,支持点式预测和 ODE 积分。在真机中手指弯曲/伸展数据上,JFM 相比点式基线全局平均 RMSE 降低超过 53%(TinyTransformer 下 57.27%,LSTM 下 53.68%),并在 stride=8 稀疏采样时使 ODE 集成预测的 RMSE 中位数降低 14.43%、方差降低 24.87%。该工作为刚软耦合系统的离线多步轨迹优化提供了连续一致的局部模型。