Manipulation

general · First seen 2026-05-22 · Last seen 2026-11-17 · 119 mentions

Overview

Manipulation(机器人操控)指机器人通过机械臂或人形机体的手部动作,对物体进行抓取、放置、工具使用等接触式操作的能力,是具身智能从“能走”走向“能干活”的核心环节。近期的多篇研究都围绕这一问题展开,重点集中在接触力控制、长时程任务和全身协调三个方向。

机器人 Manipulation 的近期进展

  • FLORE框架让人形机器人学会感知并控制接触力:该工作让人形机器人在操作过程中感知并主动控制接触力,解决了一直以来“开环执行动作、缺乏触觉反馈”的痛点,使 delicate 操作(如装配、柔性物体处理)更可行。
  • AtomicRL: Atomic Reinforcement Learning for Long-Horizon Robotic Manipulation:针对长时程操作任务奖励稀疏、难以训练的问题,将任务分解为原子化的子技能分别用强化学习训练,再组合完成完整流程。
  • WholeBodyMem 为人形机器人引入记忆机制,突破 VLA 策略只看当下的局限:指出当前主流的视觉-语言-动作(VLA)模型只依赖当前观测,该工作通过引入记忆机制,让机器人在 Manipulation 中利用历史信息处理遮挡和分步任务。
  • From Reasoning to Action: Benchmarking Frontier AI Models on LIBERO-10 Robot Manipulation Tasks:将前沿大模型放入 LIBERO-10 基准上评测其从推理到动作执行的完整链路,为不同模型在操作任务上的实际能力提供了可比的量化参考。
  • 当前焦点与观察点

    从这批研究可以看出,Manipulation 领域的关注点正在从“单次抓取”转向长时程、多阶段的任务编排。原子化技能分解(AtomicRL)、记忆增强(WholeBodyMem)和力感知(FLORE)分别对应任务结构、时间上下文和物理交互三个维度的瓶颈,三者结合起来才是完整闭环。

    另一个值得关注的趋势是评测基准的重要性上升。LIBERO-10 等基准被用来检验大模型的“推理到动作”转化能力,说明社区已经意识到:语言模型的推理能力并不能直接迁移为可靠的操作表现,需要专门的量化评估。

    争议点在于技术路线的选择:是基于触觉和力控的传统感知方法,还是端到端的 VLA 大模型路线。目前的研究更多呈现互补而非替代关系——VLA 提供任务理解和泛化,力控与记忆机制补足物理交互的细节。对从业者和观察者而言,接下来值得跟踪的是这些模块化方法能否在真实硬件上稳定集成,以及全身协调框架(如 SP-HLM)能否把行走与操作真正统一起来。

    Coverage

    10 on file