为了成功操纵物理对象，机器人需要推断它们的物理特性。基于视觉的方法需要结构化的环境，并且在现实场景中的应用有限。最近的一篇论文建议采用触觉感知来推断未知物体的物理参数。

首先，执行两个手头探索动作：倾斜和晃动。来自两个动作的信息被融合以学习联合物理特征嵌入。向上摆动角度预测器使用学习到的信息找到最佳控制参数，以将物体向上摆动到所需的姿势。

结果表明，该任务以17.2度的总体误差完成。建议的方法优于不使用触觉信息的其他方法。结果表明，学习到的嵌入也可用于回归质量、惯性矩或摩擦等属性。

一些机器人操纵任务对被操纵物体的物理特性的变化极为敏感。其中一项任务是通过使用重力或手臂加速度来操纵物体，从而增加质量、质心和摩擦信息的重要性。我们展示了SwingBot，这是一种能够通过触觉探索学习被握物体的物理特征的机器人。两个探索动作(倾斜和摇晃)提供用于创建物理特征嵌入空间的触觉信息。通过这种嵌入，SwingBot能够预测机器人对以前看不见的物体执行动态向上摆动操作所达到的摆动角度。使用这些预测，它能够搜索所需上摆角的最佳控制参数。我们表明，通过学习的物理特征，我们的端到端自监督学习管道能够显着提高摆动看不见的物体的准确性。我们还表明，具有相似动力学的对象在嵌入空间中彼此更接近，并且嵌入可以分解为特定物理属性的值。