在机器人灵巧操作研究中，接触丰富的作业任务长期面临仿真与现实存在差距的难题。密歇根大学与亚马逊工业机器人团队联合推出 HydroShear 仿真方案，借助水弹性模型还原触觉剪切作用，让强化学习策略能够在仿真环境训练后直接迁移到实体机器人开展作业，为机器人触觉研究提供新的思路。

项目核心方案与任务设置

过往触觉仿真大多侧重视觉图像渲染，对摩擦力、滑移等剪切动力学效果模拟较为简略，有限元仿真精度高，但计算开销大，难以支撑大规模强化学习训练。HydroShear 采用非完整水弹性模型，依托符号距离函数 SDF，记录物体在触觉传感器表面运动的历史轨迹，可以复现粘滑切换、路径相关的力累积以及完整 SE (3) 三维交互效果。

项目设置四项典型接触类任务：销钉插入、料箱码放、图书上架、抽屉拉动。分别对应位姿不确定插入、多物体交互、侧向大面接触、外力扰动下防滑移夹持等不同挑战。整套模型支持 GPU 并行运算，不绑定特定物理引擎，适配多种仿真环境。经过参数标定后，仿真输出的剪切向量场和真实传感器数据有较高契合度。在零样本迁移测试中，整套方案平均任务成功率可以达到 93%，相比图像触觉方案、其他剪切仿真基准方案有明显提升。

Franka Research 3 机器人在项目中的价值

本项目原始实验基于 Franka Panda 开展，而迭代升级的Franka Research3（FR3）延续该系列平台的技术路线，十分适配 HydroShear 这类触觉灵巧操作验证工作。

硬件力控基础：7 自由度机械臂全部关节集成扭矩传感器，能够感知外部接触作用力，支持柔顺控制。面对销钉插入、抽屉拉动这类需要精细力度调节的任务，可以配合 GelSight Mini 触觉传感器，同步采集机械臂本体力信号与指尖触觉剪切信息，完成多维度数据采集。

开放的底层接口：FR3 提供底层控制访问权限，可对接强化学习输出的动作指令，实现高频次闭环控制，方便复现仿真环境训练输出的运动策略，完成仿真策略向实体机器人的落地测试。

复杂动作适配能力：7 轴冗余自由度，允许机械臂在书架、料箱这类受限空间完成倾斜、侧向推送等复杂姿态，匹配图书上架、销钉插入等任务对运动空间的需求，复现仿真当中各类 SE (3) 三维接触交互动作。

研究局限与发展方向

HydroShear 现阶段还存在一定局限，仿真依赖穿透式接触模拟，更适合刚性物体，默认触觉传感器基底为平面。未来可以拓展曲面指尖、可变形物体的仿真能力。而 FR3 这类力控机器人，将继续作为实物验证载体，帮助研究人员检验触觉仿真算法，推动触觉驱动机器人操作走向更多实际场景。

项目详情：https://hydroshear.github.io/