💻 computer science

Calf-Integrated Arms for Bimanual Quadruped Loco-Manipulation

Este artigo apresenta um design de robô quadrúpede bimanual que integra braços nas canelas dianteiras de um Unitree Go2, permitindo a manipulação estável com as duas mãos ao nível do solo sem levantar o corpo, enquanto utiliza um modelo de linguagem-visão para a execução autônoma de tarefas de longo horizonte.

Autores originais: Yan Pan, Yuanchuan Ren, Chipui Chan, Jingcheng Sun, Chengxu Zhou

Publicado 2026-07-08

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Yan Pan, Yuanchuan Ren, Chipui Chan, Jingcheng Sun, Chengxu Zhou

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine um robô cão de quatro patas, como o popular Unitree Go2. Normalmente, se você quiser que este robô pegue em coisas, os engenheiros têm de aparafusar um braço robótico às suas costas (como uma mochila). Mas esse braço fica posicionado alto, tornando difícil alcançar objetos no chão sem que o robô se estique de forma desajeitada. Alternativamente, alguns designs tentam usar as próprias pernas do robô como mãos, mas isso significa que o robô tem de se apoiar nas patas traseiras para usar as patas dianteiras, deixando-o instável e incapaz de caminhar enquanto trabalha.

Este artigo apresenta um novo design inteligente: dar ao robô "mãos" integradas diretamente nas suas canelas (canelas) dianteiras.

Eis como funciona, dividido em conceitos simples:

1. A Transformação da "Braço-Canela"

Em vez de um braço de mochila, os investigadores substituíram a parte inferior das pernas dianteiras do robô por um módulo especial. Pense nisto como uma vara de pesca telescópica que também pode dobrar e girar.

O Deslizador: Uma parte da perna pode deslizar para cima e para baixo (como um telescópio a estender-se), permitindo que a "mão" alcance o chão.
As Articulações: O braço pode fazer o movimento de pitch (inclinar para a frente/trás) e yaw (girar para a esquerda/direita).
O Resultado: O robô pode agora agarrar coisas diretamente no chão enquanto mantém as quatro patas firmemente assentes no chão. Não precisa de se apoiar nas patas traseiras nem de esticar o pescoço de forma desajeitada.

2. A "Dança de Duas Mãos"

Como ambas as pernas dianteiras têm estas mãos integradas, o robô pode usar ambas as mãos ao mesmo tempo.

A Sobreposição: Os braços podem girar para dentro para que as "mãos" esquerda e direita se encontrem no meio do corpo do robô.
A Magia: Isto permite que o robô faça coisas como levantar uma caixa pesada com as duas mãos, passar um objeto de uma mão para a outra ou carregar um cesto numa mão enquanto abre uma porta com a outra — tudo isto enquanto caminha normalmente com as quatro patas no chão.

3. O "Cérebro" (O Modelo de Visão-Linguagem)

O robô não segue apenas um guião pré-escrito. Utiliza um "cérebro" alimentado por um Modelo de Visão-Linguagem (um tipo de IA que compreende tanto imagens como texto).

Como ele pensa: Dá-se ao robô uma instrução simples como: "Coloca o cesto no armário."
O Processo: O robô observa o quarto através da sua câmara. Ele decompõe a tarefa grande em pequenos passos (competências) que já conhece, como "caminhar até ao armário", "abrir a porta", "agarrar o cesto" e "colocar o cesto".
Autonomia: Ele decide a ordem destes passos por conta própria. Se a porta estiver fechada, ele abre-a. Se o cesto estiver longe, ele caminha até ele primeiro. Age como um assistente inteligente que descobre o "como" com base no que vê.

4. O que Testaram (Em Simulação)

Os investigadores testaram este design numa simulação de computador (um mundo de videojogo) porque construir um protótipo físico leva tempo. Demonstraram com sucesso três tarefas complexas:

A Tarefa do Armário: O robô caminhou até a um armário, carregou um cesto numa mão, abriu a porta com a outra e colocou o cesto lá dentro.
O Levantamento de Duas Mãos: Ambos os braços agarraram uma caixa e levantaram-na juntos.
A Entrega: Um braço pegou num objeto e passou-o para o outro braço sem o deixar cair.

5. As Trocas e Limites

O artigo é honesto sobre o que este design ainda não consegue fazer:

Sem Rotação: O gripper (os "dedos") não consegue rodar em torno do seu próprio eixo. Portanto, se precisar de agarrar uma chaleira pelo cabo que exige um movimento de rotação do pulso, este robô ainda não consegue fazê-lo.
O Problema do "Marcador": Para agarrar coisas, o robô atualmente precisa de um autocolante vermelho brilhante (um marcador) no objeto para saber exatamente onde agarrar. Ainda não consegue olhar para um objeto qualquer e adivinhar o melhor ponto de agarre.
Apenas Simulação: Todos estes resultados aconteceram numa simulação de computador. O robô ainda não foi construído e testado no mundo real.

Resumo

Este artigo propõe um robô cão que não precisa de um braço de mochila ou de uma postura de "ficar de pé" para trabalhar. Em vez disso, tem braços integrados e deslizantes nas suas pernas dianteiras que lhe permitem agarrar coisas do chão com as duas mãos enquanto caminha. Utiliza um "cérebro" de IA para descobrir como encadear estas ações para completar tarefas complexas, como arrumar um quarto. É um passo em direção a tornar os robôs quadrupedes verdadeiros ajudantes para tarefas domésticas comuns.

Resumo Técnico: Braços Integrados à Canela para Locomoção-Manipulação Bimanual de Quadrúpedes

Definição do Problema
Os designs atuais de locomoção-manipulação de quadrúpedes enfrentam um compromisso fundamental entre a capacidade de manipulação e a estabilidade da postura. Braços montados no tronco tendem a alcançar alturas elevadas, o que dificulta a preensão ao nível do solo e geralmente limita o robô a um único manipulador. Utilizar as pernas como manipuladores frequentemente exige levantar um pé do chão, comprometendo o polígono de suporte, ou erguer-se sobre as patas traseiras (como no design LocoMan), o que fixa a base em um lugar. Consequentemente, nenhum design existente permite que um quadrúpede realize manipulação bimanual ao nível do solo enquanto mantém uma postura estável de quatro pés com a base livre para caminhar. Além disso, sistemas existentes muitas vezes carecem de planejadores de alto nível capazes de sequenciar autonomamente tarefas de longo horizonte baseadas em feedback visual e de estado.

Metodologia
Os autores propõem um design morfológico e um framework de controle que integra manipuladores diretamente nas canelas dianteiras de um Unitree Go2.

Design Mecânico: Cada perna dianteira é modificada para incluir um sistema de sete graus de liberdade (DoF). Os três juntas originais da perna são mantidas para locomoção, enquanto quatro novas juntas formam o manipulador:
- $q_1$ (Slider Prismático): Um slider de curso de 0,105 m alojado dentro da canela reconstruída, impulsionado por um motor de passo não reversível (non-backdrivable) para levantar objetos do solo.
- $q_2$ (Pitch/Arfagem): Uma junta de revolução para controle de aproximação fina.
- $q_3$ (Yaw/Guinada): Uma junta de revolução que rotaciona sobre o eixo vertical, varrendo o gripper em direção ao centro da linha do corpo para permitir que os braços esquerdo e direito sobreponham seus espaços de trabalho.
- $q_4$ (Gripper/Garra): Um gripper de mandíbulas paralelas com abertura de 4 cm.
  Esta configuração permite que o robô agarre objetos ao nível do solo com ambos os braços enquanto todos os quatro pés permanecem plantados.
Arquitetura de Controle: O sistema emprega uma arquitetura de controle de duas camadas:
- Planejador de Alto Nível: Um Modelo de Linguagem-Visão (VLM), especificamente o Kimi K2.6 acessado via API na nuvem, seleciona habilidades discretas de uma biblioteca pré-definida ( $S$ ). O planejador condiciona sua seleção à imagem da câmera RGB-D montada na cabeça e a um estado de mundo estruturado (rastreamento de flags de progresso da tarefa). Ele consulta o VLM apenas nas fronteiras das habilidades, não em cada passo de controle.
- Execução de Baixo Nível: As habilidades selecionadas são executadas via Máquinas de Estados Finitos (FSMs). As FSMs coordenam uma política de locomoção aprendida (treinada via Otimização de Política Próxima no Isaac Lab) para as 12 juntas das pernas e um solver de Cinemática Inversa (IK) de 3-DoF de Mínimos Quadrados Amortecidos (DLS) para as juntas do braço ( $q_1$ – $q_3$ ). O gripper ( $q_4$ ) é comandado diretamente.
- Percepção: A preensão depende da detecção de um marcador vermelho no objeto. Um algoritmo de retroprojeção baseado em profundidade localiza o ponto de preensão 3D, filtrando detecções parciais próximas às bordas da imagem.

Principais Contribuições
O artigo apresenta duas contribções primárias:

Hardware Integrado: O design de um manipulador integrado na canela dianteira de um quadrúpede, permitindo preensão bimanual ao nível do solo enquanto mantém uma postura de quatro pés. Isso troca um espaço de trabalho bimanual menor (comparado a designs de erguer-se) por estabilidade e uma base pronta para caminhar.
Planejamento Autônomo: A integração de um VLM para sequenciar habilidades de uma biblioteca pré-definida com base em entrada visual e estado da tarefa, demonstrado em uma tarefa bimanual de longo horizonte em simulação.

Resultados
O design foi avaliado inteiramente em simulação (Isaac Lab para treinamento, MuJoCo para avaliação) através de três tarefas bimanuais:

Tarefa do Armário de Longo Horizonte: O robô carregou um cesto em um braço, caminhou até um armário, abriu a porta com o outro braço e colocou o cesto dentro. O VLM selecionou autonomamente a sequência de habilidades (agarrar, caminhar, abrir, colocar) com base no feedback visual.
Levantamento Cooperativo com Duas Mãos: Ambos os braços agarraram uma única caixa por suas alças laterais e a levantaram simultaneamente, utilizando a sobreposição de espaço de trabalho proporcionada pelas juntas de guinada (yaw).
Transferência Inter-Braço: O braço esquerdo transferiu um objeto para o braço direito na linha central do corpo sem colocá-lo no chão.

Na tarefa do armário, o robô completou a sequência em 18,6 segundos de tempo de movimento. O sistema demonstrou robustez ao ruído do sensor de profundidade, mantendo uma taxa de sucesso de preensão de 70–74% com até 10 mm de desvio padrão de ruído. O VLM consultou apenas quatro vezes durante toda a tarefa, com a latência ocorrendo enquanto o robô mantinha uma postura estável.

Significância e Limitações
O artigo afirma significância ao demonstrar um quadrúpede capaz de manipulação bimanual complexa ao nível do solo sem sacrificar a estabilidade da locomoção ou exigir que a base seja fixa. Destaca que o design de hardware permite que um planejador execute tarefas de longo horizonte com os quatro pés plantados.

Os autores explicitamente notam várias limitações:

Restrições Cinemáticas: O braço carece de uma junta de roll (rolagem), impedindo que o gripper rotacione em torno de seu eixo de aproximação, o que limita a preensão de objetos com orientações de alça específicas (ex: uma chaleira).
Cobertura da Biblioteca de Habilidades: O VLM pode apenas selecionar de habilidades pré-definidas; ele não pode gerar novos comportamentos ou estados. Tarefas que exigem novo rearranjo de preensão em novos pontos, rotação dentro da mão ou desvio dinâmico de obstáculos são atualmente inviáveis.
Dependência de Percepção: O sistema depende de marcadores fiduciários para pontos de preensão. Detectores aprendidos (YOLO-World, SAM) atualmente falham em fornecer coordenadas de preensão precisas para objetos complexos, necessitando de uma rede de síntese de preensão dedicada para trabalhos futuros.
Apenas Simulação: Todos os resultados são de simulação. Os autores afirmam que construir um protótipo físico para testar a transferência sim-para-real é o próximo passo imediato.

Trabalhos futuros sugeridos pelos autores incluem prototipagem física, desenvolvimento de redes de síntese de preensão para substituir os marcadores e exploração de casos de uso secundários, como usar o slider prismático como uma extensão de perna para locomoção tipo estacas ou levantar objetos para o tronco do robô.