原文作者：公眾號“交叉力學(xué)與智能系統(tǒng)”

原文鏈接：https://mp.weixin.qq.com/s/mI8zvot0fBjmkZ-gra2Prw

模仿學(xué)習(xí)是讓機(jī)器人掌握復(fù)雜技能的重要途徑，而高質(zhì)量的遙操作演示數(shù)據(jù)是關(guān)鍵。現(xiàn)有移動操作系統(tǒng)常面臨操控分離、協(xié)同困難、長時程任務(wù)推理能力不足等問題，限制了機(jī)器人在真實場景中的應(yīng)用能力。

核心創(chuàng)新一：RoboMatch 一體化遙操作平臺

• 單人協(xié)同操控：通過VR頭顯、主從機(jī)械臂與腳踏板集成，實現(xiàn)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(shù)據(jù)采集效率。

• 硬件系統(tǒng)：搭載7自由度從臂（ViperX-300）、差分驅(qū)動移動底盤、末端IMU與主臂（WidowX-250），構(gòu)建高擬人化操控體驗。

核心創(chuàng)新二：感知增強(qiáng)擴(kuò)散策略（PVE-DP）

• 空間-頻域視覺融合：提出FE-EMA模塊，結(jié)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(shù)數(shù)據(jù)，與關(guān)節(jié)角度融合，提升姿態(tài)感知精度。

• 精細(xì)化操作提升：在模擬與真實任務(wù)（如物體插拔、桌面清潔）中，成功率提升20-30%。

核心創(chuàng)新三：自動匹配網(wǎng)絡(luò)（AMN）架構(gòu)

• 任務(wù)分解與動態(tài)匹配：基于視覺-語言模型（GLM-4.1V）進(jìn)行鏈?zhǔn)剿伎纪评恚瑢㈤L時程任務(wù)分解為邏輯子任務(wù)序列。

• 輕量化策略網(wǎng)絡(luò)調(diào)度：每個子任務(wù)自動匹配預(yù)訓(xùn)練的專用策略網(wǎng)絡(luò)執(zhí)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(wù)中，成功率較基線方法提升約40%。

實驗驗證

我們在MuJoCo仿真與真實機(jī)器人平臺上進(jìn)行了系統(tǒng)性測試，涵蓋：

• AMN架構(gòu)穩(wěn)定性驗證（3000-4000步長任務(wù)）

• PVE-DP精細(xì)化操作能力評估（模擬與真實任務(wù)）

• RoboMatch數(shù)據(jù)采集效率對比（較分離式平臺效率提升超20%）

結(jié)果顯示，RoboMatch在操作精度、任務(wù)成功率、長時程推理穩(wěn)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(jī)器人與自動化協(xié)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(jī)器人領(lǐng)域規(guī)模最大，影響最泛的機(jī)器人學(xué)旗艦會議。第一作者為江南大學(xué)機(jī)械工程學(xué)院2024級碩士劉涵裕，指導(dǎo)教師為江南大學(xué)機(jī)械工程學(xué)院宋智功教授。

雷峰網(wǎng)(公眾號：雷峰網(wǎng))