ระบบนำทางด้วยแรงสัมผัส (Haptic Guidance) ในปัจจุบันมักใช้กลยุทธ์การแทรกแซงเพื่อความปลอดภัยแบบตายตัว ซึ่งไม่สามารถตอบสนองความต้องการที่แตกต่างกันของผู้ใช้งานหรือสถานการณ์ที่หลากหลายได้ งานวิจัยนี้จึงนำเสนอโครงข่าย Learning from Haptics (LfH) เพื่อแก้ปัญหาดังกล่าว
ระบบนี้ใช้พื้นฐานจาก differentiable Control Barrier Function (CBF) ที่ช่วยให้หุ่นยนต์สามารถเรียนรู้พารามิเตอร์ความปลอดภัยจากการสาธิตผ่านแรงสัมผัสของผู้ใช้เพียงไม่กี่ครั้ง แทนที่จะต้องตั้งค่าโปรแกรมใหม่ทั้งหมด ผู้ใช้สามารถสอนหุ่นยนต์ได้โดยตรงผ่านการทำงานจริง (Teleoperation) ว่าต้องการให้ระบบเข้าแทรกแซงเมื่อใดและอย่างไร ผลการทดสอบทั้งในระบบจำลองและฮาร์ดแวร์จริงแสดงให้เห็นว่าระบบสามารถลดความคลาดเคลื่อนระหว่างการตอบสนองของหุ่นยนต์และความต้องการของผู้ใช้ได้อย่างมีประสิทธิภาพ
