Choice Policy團(tuán)隊(duì) 投稿
量子位 | 公眾號(hào) QbitAI

在家庭廚房自主使用洗碗機(jī)，在辦公室邊移動(dòng)邊擦拭白板——這些人類習(xí)以為常的場(chǎng)景，對(duì)人形機(jī)器人來(lái)說(shuō)，卻是需要調(diào)動(dòng)全身關(guān)節(jié)協(xié)同運(yùn)作才能完成的“高難度挑戰(zhàn)”

近日，UC Berkeley加州大學(xué)伯克利分校團(tuán)隊(duì)在arXiv平臺(tái)發(fā)表了題為《Coordinated Humanoid Manipulation with Choice Policies》的研究論文，通過(guò)“模塊化教學(xué)+智能選動(dòng)作”的創(chuàng)新方案，成功破解了人形機(jī)器人全身協(xié)同的核心難題，為其走進(jìn)真實(shí)人類環(huán)境鋪平了道路。

阻礙人形機(jī)器人走進(jìn)日常生活的“兩大困境”

人形機(jī)器人一直被寄予厚望，有望在家庭、辦公等非結(jié)構(gòu)化環(huán)境中幫助人類完成日常工作，但長(zhǎng)期以來(lái)，兩個(gè)關(guān)鍵難題讓它始終無(wú)法突破“實(shí)驗(yàn)室邊界”，難以真正落地應(yīng)用：

難題1. 全身協(xié)同難，“教學(xué)數(shù)據(jù)”獲取貴且難

像使用洗碗機(jī)、移動(dòng)擦黑板這類“長(zhǎng)時(shí)連續(xù)任務(wù)”，需要機(jī)器人同時(shí)協(xié)調(diào)頭部（定位目標(biāo)）、雙手（抓握操作）、腿部（移動(dòng)平衡），實(shí)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(shí)控制機(jī)器人幾十個(gè)甚至上百個(gè)關(guān)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(méi)有靠譜的“老師示范”，機(jī)器人自然學(xué)不會(huì)復(fù)雜的協(xié)同動(dòng)作。

難題2. 動(dòng)作“靈活度”與“反應(yīng)速度”不可兼得

人類做同一個(gè)動(dòng)作往往有多種可行方式（比如拿盤(pán)子，既可以五指托舉，也可以拇指扣住邊緣），這種“動(dòng)作多樣性”是機(jī)器人模仿人類的關(guān)鍵難點(diǎn)。

傳統(tǒng)解決方案要么“太僵硬”：比如“行為克隆”技術(shù)只能讓機(jī)器人學(xué)一種固定動(dòng)作，遇到稍微變化的場(chǎng)景就會(huì)失靈；

要么“太遲鈍”：比如“擴(kuò)散策略”雖然能想到多種動(dòng)作，但需要反復(fù)計(jì)算，延遲極高，根本跟不上實(shí)時(shí)操作需求（比如插盤(pán)子時(shí)錯(cuò)過(guò)最佳對(duì)準(zhǔn)時(shí)機(jī)）。

雙管齊下，用“模塊化教學(xué)+智能選動(dòng)作”破解困境

針對(duì)上述兩大難題，伯克利團(tuán)隊(duì)沒(méi)有走“復(fù)雜控制一刀切”的老路，而是提出了“模塊化簡(jiǎn)化教學(xué)+多候選智能選動(dòng)作”的組合方案，實(shí)現(xiàn)了“1+1>2”的效果：

1. 簡(jiǎn)化“教學(xué)”：模塊化遙操作，普通人10分鐘就能當(dāng)“機(jī)器人老師”

團(tuán)隊(duì)把機(jī)器人的全身控制拆分成4個(gè)“傻瓜式”模塊，操作員只需用VR手柄就能輕松操控，無(wú)需專業(yè)技能：

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

②手部抓握模塊：扣動(dòng)扳機(jī)鍵就能實(shí)現(xiàn)“力量抓握”，撥動(dòng)搖桿可微調(diào)拇指位置，精準(zhǔn)控制力度；

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

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

這種設(shè)計(jì)大幅降低了操作門(mén)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(dāng)于為機(jī)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(jī)器人“秒選最優(yōu)動(dòng)作”

團(tuán)隊(duì)摒棄了傳統(tǒng)方案的弊端，設(shè)計(jì)了“多候選動(dòng)作生成+實(shí)時(shí)打分篩選”的機(jī)制：機(jī)器人會(huì)一次性生成多個(gè)可行的動(dòng)作方案（比如拿盤(pán)子的3種不同姿勢(shì)），再通過(guò)訓(xùn)練好的模型給每個(gè)方案打分，瞬間選出最優(yōu)解。

這個(gè)過(guò)程就像人類做決定時(shí)“腦子里快速過(guò)幾個(gè)選項(xiàng)，挑最穩(wěn)妥的來(lái)”，既保留了動(dòng)作的多樣性，又保證了反應(yīng)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(dòng)紀(jì)元人形機(jī)器人成關(guān)鍵支撐

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

1. 超高自由度+精準(zhǔn)操控，適配手部與手臂模塊需求

星動(dòng)STAR1搭載2只星動(dòng)XHAND1手部，每只手有12個(gè)全主動(dòng)驅(qū)動(dòng)自由度，且無(wú)被動(dòng)關(guān)節(jié)——這意味著手指能做出更精細(xì)、靈活的動(dòng)作，完美匹配“手部抓握模塊”的需求。

當(dāng)操作員通過(guò)手柄觸發(fā)“力量抓握”時(shí)，機(jī)器人手指能像人類一樣精準(zhǔn)調(diào)節(jié)力度，既不會(huì)夾碎盤(pán)子，也不會(huì)讓橡皮滑落；同時(shí)，其仿生手臂7個(gè)自由度的高剛性設(shè)計(jì)，能快速響應(yīng)“手臂跟蹤”指令，避免因硬件卡頓導(dǎo)致操作失誤，確保模塊指令精準(zhǔn)落地。

2. 全向移動(dòng)+穩(wěn)定平衡，支撐移動(dòng)操作任務(wù)

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

更關(guān)鍵的是，它內(nèi)置姿態(tài)傳感器和低層級(jí)PD控制器，能實(shí)時(shí)調(diào)整腿部關(guān)節(jié)力度，就像人類走路時(shí)自然調(diào)整重心一樣，讓機(jī)器人在移動(dòng)中保持穩(wěn)定——這也是論文中“移動(dòng)與操作深度融合”能實(shí)現(xiàn)的核心硬件基礎(chǔ)。

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(zhǎng)時(shí)任務(wù)成功的關(guān)鍵，而這需要精準(zhǔn)的視覺(jué)反饋。

星動(dòng)紀(jì)元全尺寸雙足人形機(jī)器人頭部搭載RGB+深度相機(jī)，能快速捕捉目標(biāo)位置（比如洗碗機(jī)卡槽、白板污漬），并將視覺(jué)信息同步給手部操作模塊，實(shí)現(xiàn)“眼睛看到哪里，手就對(duì)準(zhǔn)哪里”。

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

4. 高魯棒性設(shè)計(jì)，保障實(shí)驗(yàn)順利推進(jìn)

研究需要通過(guò)10次連續(xù)試驗(yàn)驗(yàn)證穩(wěn)定性，而星動(dòng)人形機(jī)器人星動(dòng)STAR1的55個(gè)驅(qū)動(dòng)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(yùn)動(dòng)冗余，再加上抗干擾的硬件設(shè)計(jì)，能有效減少硬件故障、網(wǎng)絡(luò)超時(shí)等問(wèn)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(duì)比三種算法、凸顯Choice Policy優(yōu)勢(shì)的重要前提。

碾壓傳統(tǒng)方案，手眼協(xié)調(diào)是關(guān)鍵

團(tuán)隊(duì)在兩個(gè)真實(shí)場(chǎng)景中開(kāi)展了大量實(shí)驗(yàn)，結(jié)果直觀證明了新方案的優(yōu)勢(shì)，其中手眼協(xié)調(diào)和Choice Policy算法成為“勝負(fù)手”：

1. 核心任務(wù)：洗碗機(jī)裝載（10次連續(xù)試驗(yàn)）

這是考驗(yàn)“頭-手協(xié)同”的關(guān)鍵任務(wù)，需要完成“滑動(dòng)盤(pán)子→抓取→手遞手→插入卡槽”四個(gè)步驟，任意一步失敗即判定任務(wù)失?。?/p>

無(wú)手眼協(xié)調(diào)時(shí)：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(jī)器人“看不見(jiàn)插哪里”；

有手眼協(xié)調(diào)時(shí)：Choice Policy表現(xiàn)一枝獨(dú)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(kuò)散策略”因延遲高，插入成功率也只有50%。

2. 進(jìn)階任務(wù)：擦白板操作（5次連續(xù)試驗(yàn)）

這是更復(fù)雜的“走+干”協(xié)同任務(wù)，需要完成“頭部找橡皮→抓取→走到白板前→擦拭”流程，對(duì)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(zhǔn)導(dǎo)致任務(wù)中斷；

Choice Policy：抓取、走路、擦拭成功率均達(dá)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(dòng)與操作深度融合”的能力。

3. 三大關(guān)鍵發(fā)現(xiàn)

手眼協(xié)調(diào)是長(zhǎng)時(shí)任務(wù)的核心：沒(méi)有它，哪怕手部、腿部單獨(dú)操作再精準(zhǔn)，也會(huì)因“看不準(zhǔn)”導(dǎo)致整體失??；

Choice Policy的“打分機(jī)制”是核心優(yōu)勢(shì)：消融實(shí)驗(yàn)顯示，若隨機(jī)選動(dòng)作、平均動(dòng)作或固定一個(gè)動(dòng)作，插入成功率最高僅30%，而“打分選最優(yōu)”能達(dá)到70%，證明智能選擇的必要性；

硬件冗余不可少：星動(dòng)紀(jì)元人形機(jī)器人星動(dòng)STAR1的55個(gè)驅(qū)動(dòng)自由度讓機(jī)器人能靈活調(diào)整動(dòng)作，適配不同候選方案，而低延遲特性則保障了“實(shí)時(shí)選動(dòng)作”的優(yōu)勢(shì)。

推動(dòng)人形機(jī)器人從“實(shí)驗(yàn)室”走向“真實(shí)生活”

這項(xiàng)研究不僅是算法層面的突破，更給人形機(jī)器人產(chǎn)業(yè)化帶來(lái)了三大核心落地價(jià)值，加速其走進(jìn)日常生活：

1. 降低“教學(xué)成本”，普通人也能教機(jī)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(jī)器人，無(wú)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(jī)器人的“學(xué)習(xí)素材”會(huì)越來(lái)越多，訓(xùn)練效率也會(huì)隨之翻倍。

2. 破解落地痛點(diǎn)，適配真實(shí)非結(jié)構(gòu)化環(huán)境

Choice Policy解決了“動(dòng)作僵硬”與“反應(yīng)遲鈍”的矛盾，再加上星動(dòng)STAR1這類高自由度硬件的支撐，機(jī)器人能在家庭（裝洗碗機(jī)、疊衣服）、辦公（擦白板、整理文件）、倉(cāng)儲(chǔ)（搬運(yùn)貨物）等復(fù)雜環(huán)境中穩(wěn)健工作，徹底擺脫對(duì)實(shí)驗(yàn)室“理想場(chǎng)景”的依賴。

3. 搭建“軟硬協(xié)同”范式，為行業(yè)提供可復(fù)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(xué)習(xí)）+ 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(jī)器人研發(fā)提供了清晰的技術(shù)模板。

尤其是星動(dòng)STAR1的硬件設(shè)計(jì)，驗(yàn)證了“多自由度+精準(zhǔn)控制+穩(wěn)定移動(dòng)”是復(fù)雜任務(wù)落地的關(guān)鍵，給硬件廠商指明了優(yōu)化方向。

4. 提升魯棒性，應(yīng)對(duì)真實(shí)環(huán)境的不確定性

在“未見(jiàn)過(guò)的盤(pán)子顏色”“盤(pán)子位置偏移”等超出訓(xùn)練范圍的場(chǎng)景中，Choice Policy的成功率仍高于傳統(tǒng)方法，說(shuō)明機(jī)器人能應(yīng)對(duì)真實(shí)環(huán)境的變化——這正是從“實(shí)驗(yàn)室原型”走向“實(shí)用產(chǎn)品”的核心門(mén)檻。

未來(lái)，隨著這套技術(shù)框架的進(jìn)一步優(yōu)化，人形機(jī)器人走進(jìn)日常生活的場(chǎng)景或許很快就能實(shí)現(xiàn)：下班回家，機(jī)器人已經(jīng)把餐具整齊裝進(jìn)洗碗機(jī)；走進(jìn)辦公室，白板上的殘留字跡早已被機(jī)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