機器人終于能用明白洗碗機了｜UC伯克利新研究

Choice Policy團隊 投稿
量子位 | 公眾號 QbitAI

在家庭廚房自主使用洗碗機，在辦公室邊移動邊擦拭白板——這些人類習以為常的場景，對人形機器人來說，卻是需要調(diào)動全身關節(jié)協(xié)同運作才能完成的“高難度挑戰(zhàn)”

近日，UC Berkeley加州大學伯克利分校團隊在arXiv平臺發(fā)表了題為《Coordinated Humanoid Manipulation with Choice Policies》的研究論文，通過“模塊化教學+智能選動作”的創(chuàng)新方案，成功破解了人形機器人全身協(xié)同的核心難題，為其走進真實人類環(huán)境鋪平了道路。

阻礙人形機器人走進日常生活的“兩大困境”

人形機器人一直被寄予厚望，有望在家庭、辦公等非結構化環(huán)境中幫助人類完成日常工作，但長期以來，兩個關鍵難題讓它始終無法突破“實驗室邊界”，難以真正落地應用：

難題1. 全身協(xié)同難，“教學數(shù)據(jù)”獲取貴且難

像使用洗碗機、移動擦黑板這類“長時連續(xù)任務”，需要機器人同時協(xié)調(diào)頭部（定位目標）、雙手（抓握操作）、腿部（移動平衡），實現(xiàn)類似人類“眼到手到、腳步穩(wěn)健”的狀態(tài)。

但傳統(tǒng)的“遙操作”模式，需要操作員同時控制機器人幾十個甚至上百個關節(jié)，不僅操作難度極高，操作員極易疲勞，還很難收集到高質(zhì)量的演示數(shù)據(jù)——沒有靠譜的“老師示范”，機器人自然學不會復雜的協(xié)同動作。

難題2. 動作“靈活度”與“反應速度”不可兼得

人類做同一個動作往往有多種可行方式（比如拿盤子，既可以五指托舉，也可以拇指扣住邊緣），這種“動作多樣性”是機器人模仿人類的關鍵難點。

傳統(tǒng)解決方案要么“太僵硬”：比如“行為克隆”技術只能讓機器人學一種固定動作，遇到稍微變化的場景就會失靈；

要么“太遲鈍”：比如“擴散策略”雖然能想到多種動作，但需要反復計算，延遲極高，根本跟不上實時操作需求（比如插盤子時錯過最佳對準時機）。

雙管齊下，用“模塊化教學+智能選動作”破解困境

針對上述兩大難題，伯克利團隊沒有走“復雜控制一刀切”的老路，而是提出了“模塊化簡化教學+多候選智能選動作”的組合方案，實現(xiàn)了“1+1>2”的效果：

1. 簡化“教學”：模塊化遙操作，普通人10分鐘就能當“機器人老師”

團隊把機器人的全身控制拆分成4個“傻瓜式”模塊，操作員只需用VR手柄就能輕松操控，無需專業(yè)技能：

①手眼協(xié)調(diào)模塊：頭部會跟隨手部動作轉(zhuǎn)動，確保眼睛始終盯著操作區(qū)域；

②手部抓握模塊：扣動扳機鍵就能實現(xiàn)“力量抓握”，撥動搖桿可微調(diào)拇指位置，精準控制力度；

③手臂跟蹤模塊：VR手柄的姿態(tài)會直接映射到機器人手臂，手柄動哪里，手臂就跟到哪里；

④全向移動模塊：切換搖桿模式后，就能控制機器人前后、左右移動或轉(zhuǎn)彎。

這種設計大幅降低了操作門檻，操作員10分鐘就能上手，既能減少疲勞，又能快速收集大量高質(zhì)量演示數(shù)據(jù)——相當于為機器人配備了高效的“專屬家教”，讓它不再盲目模仿。

2. 優(yōu)化“決策”：Choice Policy算法，讓機器人“秒選最優(yōu)動作”

團隊摒棄了傳統(tǒng)方案的弊端，設計了“多候選動作生成+實時打分篩選”的機制：機器人會一次性生成多個可行的動作方案（比如拿盤子的3種不同姿勢），再通過訓練好的模型給每個方案打分，瞬間選出最優(yōu)解。

這個過程就像人類做決定時“腦子里快速過幾個選項，挑最穩(wěn)妥的來”，既保留了動作的多樣性，又保證了反應速度，完美解決了“僵硬”與“遲鈍”的核心矛盾。

研究方法：算法與硬件雙向協(xié)同，星動紀元人形機器人成關鍵支撐

這項研究的成功，離不開算法創(chuàng)新與硬件性能的深度配合。而星動紀元全尺寸雙足人形機器人星動STAR1的硬件優(yōu)勢，恰好為算法落地提供了“強力支撐”，讓“模塊化教學”和“多候選決策”真正發(fā)揮作用：

1. 超高自由度+精準操控，適配手部與手臂模塊需求

星動STAR1搭載2只星動XHAND1手部，每只手有12個全主動驅(qū)動自由度，且無被動關節(jié)——這意味著手指能做出更精細、靈活的動作，完美匹配“手部抓握模塊”的需求。

當操作員通過手柄觸發(fā)“力量抓握”時，機器人手指能像人類一樣精準調(diào)節(jié)力度，既不會夾碎盤子，也不會讓橡皮滑落；同時，其仿生手臂7個自由度的高剛性設計，能快速響應“手臂跟蹤”指令，避免因硬件卡頓導致操作失誤，確保模塊指令精準落地。

2. 全向移動+穩(wěn)定平衡，支撐移動操作任務

像移動擦黑板這類“邊走邊干”的任務，對機器人腿部性能要求極高。星動STAR1每只腿有6個自由度，支持全向移動（前后、左右、轉(zhuǎn)彎），剛好適配遙操作的“移動模塊”；

更關鍵的是，它內(nèi)置姿態(tài)傳感器和低層級PD控制器，能實時調(diào)整腿部關節(jié)力度，就像人類走路時自然調(diào)整重心一樣，讓機器人在移動中保持穩(wěn)定——這也是論文中“移動與操作深度融合”能實現(xiàn)的核心硬件基礎。

3. 多傳感器融合，賦能手眼協(xié)調(diào)模塊

手眼協(xié)調(diào)是長時任務成功的關鍵，而這需要精準的視覺反饋。

星動紀元全尺寸雙足人形機器人頭部搭載RGB+深度相機，能快速捕捉目標位置（比如洗碗機卡槽、白板污漬），并將視覺信息同步給手部操作模塊，實現(xiàn)“眼睛看到哪里，手就對準哪里”。

論文數(shù)據(jù)顯示，沒有手眼協(xié)調(diào)時，洗碗機卡槽容易被遮擋，機器人“看不見就插不準”；而STAR1的高清視覺傳感器配合頭部2個自由度的靈活轉(zhuǎn)動，能讓卡槽始終保持可見，大幅提升操作成功率。

4. 高魯棒性設計，保障實驗順利推進

研究需要通過10次連續(xù)試驗驗證穩(wěn)定性，而星動人形機器人星動STAR1的55個驅(qū)動自由度（頭部2+腰部3+手臂7×2+腿部6×2+手部12×2）提供了充足的運動冗余，再加上抗干擾的硬件設計，能有效減少硬件故障、網(wǎng)絡超時等問題，確保高質(zhì)量演示數(shù)據(jù)的持續(xù)收集——這也是論文能公平對比三種算法、凸顯Choice Policy優(yōu)勢的重要前提。

碾壓傳統(tǒng)方案，手眼協(xié)調(diào)是關鍵

團隊在兩個真實場景中開展了大量實驗，結果直觀證明了新方案的優(yōu)勢，其中手眼協(xié)調(diào)和Choice Policy算法成為“勝負手”：

1. 核心任務：洗碗機裝載（10次連續(xù)試驗）

這是考驗“頭-手協(xié)同”的關鍵任務，需要完成“滑動盤子→抓取→手遞手→插入卡槽”四個步驟，任意一步失敗即判定任務失敗：

無手眼協(xié)調(diào)時：所有方法在“插入”階段幾乎全敗，成功率僅10%-20%，核心原因是卡槽被遮擋，機器人“看不見插哪里”；

有手眼協(xié)調(diào)時：Choice Policy表現(xiàn)一枝獨秀——抓取成功率100%、手遞手成功率90%、插入成功率70%；而傳統(tǒng)“行為克隆”插入成功率僅50%，“擴散策略”因延遲高，插入成功率也只有50%。

2. 進階任務：擦白板操作（5次連續(xù)試驗）

這是更復雜的“走+干”協(xié)同任務，需要完成“頭部找橡皮→抓取→走到白板前→擦拭”流程，對全身協(xié)同要求極高：

傳統(tǒng)“行為克隆”：抓取、走路、擦拭成功率均僅20%，經(jīng)常因走路失衡、定位不準導致任務中斷；

Choice Policy：抓取、走路、擦拭成功率均達到40%，雖然整體仍有提升空間，但已是傳統(tǒng)方法的2倍，充分展現(xiàn)了“移動與操作深度融合”的能力。

3. 三大關鍵發(fā)現(xiàn)

手眼協(xié)調(diào)是長時任務的核心：沒有它，哪怕手部、腿部單獨操作再精準，也會因“看不準”導致整體失??；

Choice Policy的“打分機制”是核心優(yōu)勢：消融實驗顯示，若隨機選動作、平均動作或固定一個動作，插入成功率最高僅30%，而“打分選最優(yōu)”能達到70%，證明智能選擇的必要性；

硬件冗余不可少：星動紀元人形機器人星動STAR1的55個驅(qū)動自由度讓機器人能靈活調(diào)整動作，適配不同候選方案，而低延遲特性則保障了“實時選動作”的優(yōu)勢。

推動人形機器人從“實驗室”走向“真實生活”

這項研究不僅是算法層面的突破，更給人形機器人產(chǎn)業(yè)化帶來了三大核心落地價值，加速其走進日常生活：

1. 降低“教學成本”，普通人也能教機器人干活

模塊化遙操作讓非專業(yè)人員10分鐘就能上手教機器人，無需依賴昂貴的專業(yè)工程師，大幅降低了高質(zhì)量演示數(shù)據(jù)的收集成本。這意味著機器人的“學習素材”會越來越多，訓練效率也會隨之翻倍。

2. 破解落地痛點，適配真實非結構化環(huán)境

Choice Policy解決了“動作僵硬”與“反應遲鈍”的矛盾，再加上星動STAR1這類高自由度硬件的支撐，機器人能在家庭（裝洗碗機、疊衣服）、辦公（擦白板、整理文件）、倉儲（搬運貨物）等復雜環(huán)境中穩(wěn)健工作，徹底擺脫對實驗室“理想場景”的依賴。

3. 搭建“軟硬協(xié)同”范式，為行業(yè)提供可復制模板

研究證明了“模塊化遙操作（數(shù)據(jù)收集）+ Choice Policy（算法學習）+ 高自由度硬件（執(zhí)行）”的組合方案完全可行，為后續(xù)人形機器人研發(fā)提供了清晰的技術模板。

尤其是星動STAR1的硬件設計，驗證了“多自由度+精準控制+穩(wěn)定移動”是復雜任務落地的關鍵，給硬件廠商指明了優(yōu)化方向。

4. 提升魯棒性，應對真實環(huán)境的不確定性

在“未見過的盤子顏色”“盤子位置偏移”等超出訓練范圍的場景中，Choice Policy的成功率仍高于傳統(tǒng)方法，說明機器人能應對真實環(huán)境的變化——這正是從“實驗室原型”走向“實用產(chǎn)品”的核心門檻。

未來，隨著這套技術框架的進一步優(yōu)化，人形機器人走進日常生活的場景或許很快就能實現(xiàn)：下班回家，機器人已經(jīng)把餐具整齊裝進洗碗機；走進辦公室，白板上的殘留字跡早已被機器人擦拭干凈。

論文名稱：

《Coordinated Humanoid Manipulation with Choice Policies》

論文地址：

https://arxiv.org/pdf/2512.25072