亚马逊团队研究全身灵巧操作：让机器人学会用手臂和躯干“抱住”物体

非最新产品演示

思聪网 TechGG.com 11 月 3 日报道

人搬纸箱时，经常会把箱子贴在胸前，或临时夹在腋下，再腾出一只手调整位置。身体提供了额外支撑，双手也就不必独自承担全部重量和姿态控制。

机器人要学会这种操作，难点不只在于增加接触部位。它还需要知道什么时候可以松开一只手、物体怎样沿身体滑动，以及换姿态时如何避免掉落。

亚马逊FAR、加州大学圣迭戈分校和密歇根大学研究人员提出的Whole-Body Dexterity（WBD），将这些问题组织成一套从仿真训练到真实机器人执行的方法。论文于10月15日提交至arXiv。研究论文

把身体表面也看成可以抓持的接触区域

传统抓取通常围绕末端夹爪或灵巧手展开。WBD将手臂和躯干的接触表面纳入抓持过程，把物体从胸前移动到肩部、腋下等位置，视为不同稳定抓持状态之间的转换。

研究流程分为三步：先生成可行的全身抓持状态，再训练针对物体的强化学习专家，最后把专家能力蒸馏成可部署的统一控制器。

其设计价值在于缩小学习问题的范围。系统先确定哪些姿态能够稳定托住物体，再学习如何在这些姿态之间移动，避免仅靠直接模仿身体姿态来完成任务。

人负责粗略意图，控制器修正接触动作

研究在宇树G1机器人上进行了真实测试，包括移动篮球、调整纸箱位置，以及将箱子夹在手臂下方后搬运和放置。

这里需要明确，人仍然参与控制。操作者提供粗略运动参考，控制器利用本体感知和物体几何信息，将参考动作修正为更稳定的操作。因此，这项成果不能写成机器人已经能完全自主理解搬运要求并执行。

从控制逻辑看，直接照搬人的动作存在困难：人与机器人的身体比例和接触条件不同，人做出同样的手臂姿态时能夹住箱子，机器人却可能留下空隙。WBD尝试补上的，就是动作意图与实际稳定接触之间的这一层调整。

新增接触面，也新增了控制难度

身体参与操作，可以为较大物体提供更多支撑，也可能减少对高性能灵巧手的依赖。但接触点增加后，受力、摩擦和重心关系也更复杂。

例如，一只手松开时，另一只手臂可能需要把物体压向躯干；移动过程中如果接触力不足，物体会滑落，过强又可能造成损坏。控制器必须在这些条件之间连续调整。

作者报告，系统在设定的真实全身操作试验中取得90%的总体完成率，高于两种对照方法。这个结果的适用范围是论文中的机器人、物体和任务组合，不能直接推广到所有搬运工作。

WBD提供了一条值得继续验证的路线：把“抱、夹、托、滑动换位”等人类常见动作，转化成可以训练的接触状态转换。距离开放场景中的自主搬运，它还需要与感知、任务规划和更广泛的物体适应能力结合。