ICRA 2026｜EFM: 探索性與聚焦性機器人操作

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數據集。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境中復現。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域，如 Cup-Hang、Box-Push；聚焦精細操作類任務依賴對操作區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：該數據集包含為EFM-10任務采集的1850條真實雙臂機器人演示數據，硬件平臺為JAKA K-1雙臂機器人（內置 6D力傳感器，搭載頭部相機及腕部相機）。我們通過VR遙操作進行數據采集，以10Hz 頻率記錄操作過程中的雙臂運動軌跡和視覺/力傳感數據，為細粒度雙臂操作提供支撐。

 

雷峰網(公眾號：雷峰網)