<mark id="oztn4"></mark>
0
| 本文作者： 吳思夢 | 2026-06-01 14:57 | 專題：ICRA 國際機器人與自動化會議 |
原文作者：公眾號“交叉力學與智能系統”
原文鏈接：https://mp.weixin.qq.com/s/mI8zvot0fBjmkZ-gra2Prw
模仿學習是讓機器人掌握復雜技能的重要途徑，而高質量的遙操作演示數據是關鍵。現有移動操作系統常面臨操控分離、協同困難、長時程任務推理能力不足等問題，限制了機器人在真實場景中的應用能力。
單人協同操控：通過VR頭顯、主從機械臂與腳踏板集成，實現移動底盤與雙臂的同步控制。
沉浸式感知：多視角視覺反饋與運動映射，提升操作直觀性與數據采集效率。
硬件系統：搭載7自由度從臂（ViperX-300）、差分驅動移動底盤、末端IMU與主臂（WidowX-250），構建高擬人化操控體驗。
空間-頻域視覺融合：提出FE-EMA模塊，結合離散小波變換提取多尺度視覺特征。
豐富本體感知：末端IMU采集四元數數據，與關節角度融合，提升姿態感知精度。
精細化操作提升：在模擬與真實任務（如物體插拔、桌面清潔）中，成功率提升20-30%。
任務分解與動態匹配：基于視覺-語言模型（GLM-4.1V）進行鏈式思考推理，將長時程任務分解為邏輯子任務序列。
輕量化策略網絡調度：每個子任務自動匹配預訓練的專用策略網絡執行，避免誤差累積。
長時程推理性能顯著提升：在“清理垃圾”“遞送工具”等多步驟任務中，成功率較基線方法提升約40%。
我們在MuJoCo仿真與真實機器人平臺上進行了系統性測試，涵蓋：
AMN架構穩定性驗證（3000-4000步長任務）
PVE-DP精細化操作能力評估（模擬與真實任務）
RoboMatch數據采集效率對比（較分離式平臺效率提升超20%）
結果顯示，RoboMatch在操作精度、任務成功率、長時程推理穩定性方面均取得顯著突破。
上述研究成果2026年1月31日接收于由IEEE機器人與自動化協會主辦的2026 IEEE Intemnational Conference on Robotics and Automation (ICRA) ，題為《RoboMatch: A Unified Mobile-Manipulation Teleoperation Platform with Auto-Matching Network Architecture for Long-Horizon Tasks》。ICRA為機器人領域規模最大，影響最泛的機器人學旗艦會議。第一作者為江南大學機械工程學院2024級碩士劉涵裕，指導教師為江南大學機械工程學院宋智功教授。
雷峰網(公眾號：雷峰網)
專題
