原文作者：用戶“胖頭魚在此”

原文鏈接：https://www.xiaohongshu.com

我們的論文被 ICRA 2026 錄取了！論文編號是 Paper TuI1I.294。

 

這篇工作想回答一個很實際的問題：如果機器人要在狹窄、雜亂、看不清的空間里抓東西，它應(yīng)該怎么“邊看邊動”，而不是盲目伸手？

在很多真實場景里，機器人并不是一開始就擁有完整地圖。比如目標(biāo)物體可能被障礙物擋住，機械臂周圍也可能有箱子、墻壁、柜子等限制。機器人既看不清目標(biāo)，又不能隨便亂動，因為一不小心就會撞到環(huán)境，或者擺出一個根本抓不到東西的姿態(tài)。

所以，狹窄空間操作的難點不只是“怎么抓”，而是：機器人要先安全地探索環(huán)境，找到目標(biāo)，再生成真正可執(zhí)行的抓取動作。

我們提出了 COMPASS，一個面向狹窄空間操作的主動感知與操作規(guī)劃框架。它主要包含三步：

第一步，機器人先做 Near-Field Awareness Scan，用腕部相機小心地掃描自己附近的空間，先搞清楚“身邊哪里不能碰”。

第二步，機器人使用 Manipulation-Utility Exploration RRT主動選擇下一個觀察視角。它不是只看哪里信息最多，還會同時考慮機械臂是否容易運動、姿態(tài)是否接近奇異、路徑是否平滑、后續(xù)是否有利于抓取。

第三步，當(dāng)目標(biāo)被發(fā)現(xiàn)后，系統(tǒng)會生成滿足障礙物約束和運動學(xué)約束的抓取姿態(tài)，而不是只選擇一個幾何上看起來不錯、但機器人實際伸不過去的抓取。

我們還構(gòu)建了一個狹窄空間操作 benchmark，從簡單遮擋、嚴(yán)重遮擋，到強運動學(xué)約束，再到二者耦合的復(fù)雜場景，系統(tǒng)評估機器人在“看不清”和“伸不開手”同時存在時的表現(xiàn)。

實驗結(jié)果顯示，相比只考慮信息增益或傳統(tǒng)探索策略的方法，COMPASS 在仿真中顯著提升了整體操作成功率；在真實機器人實驗中，也能在未知、遮擋、狹窄的環(huán)境里主動探索、找到目標(biāo)，并完成約束下的抓取。

未來我們也會繼續(xù)探索主動感知、狹窄空間操作、機器人規(guī)劃、具身智能系統(tǒng)設(shè)計等方向。

雷峰網(wǎng)(公眾號：雷峰網(wǎng))