原文作者：RIL-Lab

實驗室ICRA2026錄用論文 （https://arxiv.org/abs/2602.01939）。

機器人操作研究的重心正在從桌面協(xié)作機械臂操作轉向人形雙臂操作，這一范式遷移帶來的一大挑戰(zhàn)是視覺遮擋問題。我們注意到視覺遮擋問題的本質是缺乏支持任務完成的有效信息，并以此為切入點進一步提出了探索性與聚焦性操作（Exploratory and Focused Manipulation, EFM）這一更為基礎的問題，其核心是讓機器人主動獲取信息，以完成需探索或精準聚焦的復雜操作任務。圍繞這一問題，我們構建了EFM-10基準，提出了一種雙臂主動感知（BAP）策略并基于該策略采集了BAPData數(shù)據(jù)集。我們通過模仿學習驗證了BAP策略的有效性，還分析了主流操作策略模型的優(yōu)劣與典型失敗原因，為該方向研究奠定了基礎。

所提出的EFM-10基準是研究EFM問題的初始載體。該基準劃分出4大類注重不同探索/聚焦能力的操作任務，并為這四大類任務標準化地定義了10個典型任務，以便于全球研究者在仿真或真實環(huán)境中復現(xiàn)。其中，語義探索類任務要求機器人探索場景中隱藏的語義屬性，如Toy-Find、Toy-Match；視覺遮擋探索類任務需機器人通過主動視角捕捉操作區(qū)域，如 Cup-Hang、Box-Push；聚焦精細操作類任務依賴對操作區(qū)域的清晰聚焦以完成細粒度操作，如 Light-Plug、Nail-Knock；兼具探索與聚焦的復雜類任務則同時要求場景探索、遮擋規(guī)避和精細操作，如 Cable-Match、Charger-Plug。

我們提出了雙臂主動感知（BAP）策略，無需高自由度主動頸部即可適配雙臂機器人完成EFM任務，且與基于頸部的主動視覺完全兼容，可結合使用以最大化多視角相機利用率。其核心思路是利用非操作臂提供高自由度手眼主動視覺，為任務提供所需的探索或聚焦視角，同時讓操作臂在接觸物體時提供力感知，支撐細粒度操作。

BAPData：該數(shù)據(jù)集包含為EFM-10任務采集的1850條真實雙臂機器人演示數(shù)據(jù)，硬件平臺為JAKA K-1雙臂機器人（內(nèi)置 6D力傳感器，搭載頭部相機及腕部相機）。我們通過VR遙操作進行數(shù)據(jù)采集，以10Hz 頻率記錄操作過程中的雙臂運動軌跡和視覺/力傳感數(shù)據(jù)，為細粒度雙臂操作提供支撐。

 

雷峰網(wǎng)(公眾號：雷峰網(wǎng))